Estadística y Causalidad en Sociología

Papers 80 001-312 13/12/06 10:54 Pgina 223
Papers 80, 2006 223-255
Estadstica y causalidad en la sociologa emprica

del XX
ngeles Lizn
Universitat Autnoma de Barcelona. Departament de Sociologia
angeles.lizon@uab.es
Resumen
Las ideas que se trabajan en este artculo tienen que ver con el desarrollo de la teora de la
probabilidad y con lo que, por va estadstica, se ha llegado a establecer acerca de la cau-
salidad dentro de algunas tradiciones reconocibles de la sociologa emprica del siglo XX.
Para ello, se har una reconstruccin esquemtica aunque con pretensin informativa
acerca de las distintas escuelas de los captulos ms sealados en el desarrollo de la socio-
loga estadstica institucional. Se arrancar, as, de su inicial despegue en el mbito esta-
dounidense a comienzos de siglo, hasta llegar a bosquejar las expectativas actuales de la
sociologa estadstica, dado el impacto de su creciente automatizacin y las alternativas que
tales desarrollos pueden ofrecer a una posible conjuncin de investigacin y teora.
Palabras clave: causalidad, sociologa estadstica, mecanismos sociales, teora sociolgica.
Abstract. Statistics, causality and empirical sociology in the xxth century
The ideas here presented deal with the development of probability theory and the statistical
claims on causality made by some identifiable traditions in XXth century empirical socio-
logy. With this view, the most relevant chapters in the development of institutional statis-
tical sociology will be reconstructed in a summarized way, paying attention to the diffe-
rent schools. This reconstruction will start from the departure of this type of sociology in
the United States at the beginning of the XXth century, and will outline the present pros-
pects of statistical sociology given the impact of its growing automation; it will also consider
the chances that these developments may offer for a possible link between theory and rese-
arch.
Key words: causality, statistical sociology, social mechanisms, sociological theory.
Sumario
Matemtica estadstica y ciencia social Tercera etapa: los modelos causales
Un primer apunte sobre la sociologa de regresin
fundacional El nuevo sesgo estadstico:
Primera etapa: la estadstica descriptiva automatizacin s, causalidad no
heredada de la escuela histrica alemana Una propuesta alternativa: estructuras
Segunda etapa: la influencia estadsticas y mecanismos causales
de la estadstica inglesa Referencias bibliogrficas
Papers 80 001-312 13/12/06 10:54 Pgina 224
224 Papers 80, 2006 ngeles Lizn
El concepto de causa y su estatuto en la ciencia social ha preocupado tradi-

cionalmente a los socilogos, aunque slo sea porque la mayora de las pre-
guntas de investigacin que se plantean en sus estudios aplicados son de natu-
raleza causal: qu impacto tiene la inmigracin ilegal en la tasa de inseguridad
ciudadana?; por qu el gran pblico acepta las nuevas tecnologas menos en pa-
ses altamente industrializados que en aquellos con menor desarrollo del sec-
tor secundario?; an en sistemas en los que la educacin es de libre acceso,
por qu se da una representacin tan desigual en los programas de estudios
superiores segn rendimiento escolar y estrato social?, son slo algunos de esos
problemas candentes. Una respuesta general a la cuestin, seguramente par-
cial pero inteligente, la sugiere Simon (1968: 355), cuando afirma que el xito
en la intervencin de las polticas sociales y la subsiguiente credibilidad de la cien-
cia social, dependen del conocimiento que se tenga sobre qu variable o varia-
bles intervienen sobre qu otras, dependen de nuestro dominio del tema de la
causalidad. En efecto, no se puede pretender intervenir en la realidad sin com-
prender los mecanismos que llevan a cambios con uno u otro resultado y las con-
diciones bajo las cuales ocurren dichos cambios. As, pues, si toda interven-
cin requiere algn tipo de razonamiento causal, con seguridad la sociologa
tendr intereses prcticos y tericos para intentar dar respuestas a los por-
qus de la compleja vida social.
Matemtica estadstica y ciencia social

La penetracin de la matemtica estadstica en cada una de las disciplinas no
experimentales ha tenido su historia, habiendo retenido cada una de ellas sus
caractersticas y matices distintivos en funcin de su propia trayectoria. Dentro
del conjunto de las ciencias aplicadas, la biomtrica fue la primera que pas a
constituir una suerte de laboratorio en el que la preocupacin por el control
estadstico de los datos eugensicos y epidemiolgicos dara origen a las mejo-
res iniciativas de anlisis. K. Pearson (1897), G. U. Yule (1899) y S. Wright
(1921), entre las grandes figuras de la estadstica moderna, todos estuvieron
asociados a Biometrica, la publicacin ms emblemtica del gremio.
A su lado, otro mbito de desarrollo excepcional fue el de la econometra, algo
que seguramente tuvo mucho que ver con el inters inicial del propio G. U. Yule
en la investigacin socioeconmica. En efecto, en An investigation into the cau-
ses of changes in pauperism in England, chiefly during the last two intercensal
decades, Yule se mete de lleno en los aspectos socioeconmicos de la estadstica,
facilitando claramente el trnsito de esas tcnicas al trabajo economtrico inicial.
As, para 1933 el rea contaba con Economtrica, un rgano de difusin de las
ideas de H. Hotelling y T. Koopmans y otros destacados econmetras, quienes a
travs de esta publicacin llegaron a ejercer una influencia decisiva en el desarro-
llo de modelos matemticos tiles al conjunto de la ciencia social.
Por lo que toca a la psicometra, sobre todo en el campo de la educacin,
se vio directamente beneficiada por la influencia de Charles Spearman (un dis-
cpulo de Wilhem Wundt) y por el creciente debate entre su propuesta del
Papers 80 001-312 13/12/06 10:54 Pgina 225
Estadstica y causalidad en la sociologa emprica del XX Papers 80, 2006 225
mtodo unifactorial y la del anlisis multifactorial expuesto por L. Thurstone.

La fundacin de Psychometrica en 1936 servira de incentivo inmediato a la
divulgacin de la psicologa estadstica que, en torno a los aos cincuenta,
haba llegado a alcanzar importantes cuotas de desarrollo e implementacin
en una investigacin emprica ya para entonces altamente especializada.
En el caso de la sociologa, el desarrollo de las estadsticas result bastante
menos euforizante y hasta cierto punto enigmtico. Atender a este relativo
retraso y a las restricciones que tal anquilosamiento supuso para la evolucin
de la disciplina sern cuestiones a las que se intentar dar respuesta a lo largo de
este escrito. Para ello, se har una reconstruccin pretendidamente esque-
mtica pero suficientemente informativa de aquellos captulos ms seala-
dos en el desarrollo de la sociologa estadstica del siglo XX. As, se arrancar
de su despegue institucional inicial en el mbito estadounidense a comien-
zos de siglo, para acabar bosquejando algunos de los desarrollos ms intere-
santes debidos a la creciente automatizacin a la que hoy se enfrenta esta rama
de la sociologa emprica, y las alternativas que en su desarrollo actual
puede llegar a ofrecer una posible conjuncin de investigacin y teora.
Un primer apunte sobre la sociologa fundacional

El hecho de centrarnos inicialmente en los desarrollos de la sociologa esta-
dounidense no supone la afirmacin de que la sociologa fundacional euro-
pea no se interesase o se interesase menos en el manejo estadstico de la infor-
macin. Todo lo contrario. Hasta un punto insospechado, la revolucin
probabilstica en el pensamiento cientfico (Krger y otros, 1987) se ini-
cia dentro del pensamiento social (cfr. Porter, 1986; Stigler, 1986). Desde
pocas tempranas, los investigadores sociales haban intentado combinar el
estudio de las regularidades de la accin social con un uso extensivo de las
estadsticas descriptivas y otros elementos de teora de la probabilidad. As,
bien puede decirse que la curiosidad estadstica de la sociologa data al menos
desde la aparicin de la idea del homme moyen de Quetelet, a inicios del
siglo XIX1. Pero algo pas en el despegue de la disciplina que hizo que su
1. Lazarsfeld (1962: 761) seala cmo, aunque los orgenes de la investigacin social pueden
forzar una retrospectiva hasta el siglo XVII, en realidad sta hace su aparicin en la Europa
de la temprana poca moderna: los mtodos maestrales se derivaron del sondeo de Booth
sobre trabajo y estilo de vida en Londres; el anlisis factorial fue inventado por un ingls,
Sperman; el nfasis en el anlisis cuantitativo se debe al mineralogista Le Play; Tarde pretendi
investigar la mtrica de las actitudes, etc. En la sociologa de pocas ms recientes, en el
periodo inmediatamente posterior a la Revolucin Francesa, Condorcet abog a favor de
la aplicacin de modelos matemticos al voto ciudadano; Laplace y Lavoisier, sus contem-
porneos, llevaron a cabo sondeos sociales para sus gobiernos; finalmente, el belga Quetelet
sigui sus ideas e instaur un intento sistemtico de investigacin social emprica: la physique
sociale. Nicforo en Italia, y en Alemania, Weber, Tnnies, Von Wiese y otros. Para 1933 se
haca investigacin emprica en Europa. No obstante, como una rama profesional especfica,
la sociologa emprica no llega a tener arraigo en dicho continente y pasa a desarrollarse de
forma casi exclusiva y muy floreciente en USA.
Papers 80 001-312 13/12/06 10:54 Pgina 226
desarrollo institucional perdiese terreno en el viejo continente (cfr. Lazarsfeld,

1962: 761). Tratar de adentrarse en las razones que llevaron al aborto tem-
prano de esta presunta vocacin de sntesis entre estadstica y teora supon-
dra un ejercicio que escapa a la intencin de este trabajo. Goldthorpe (2000:
259-294), por ejemplo, narra con cierto detalle los tempranos trabajos cuan-
titativos de la poca, sealando cmo esta tradicin, inicialmente salida de
suelo europeo2, pierde garra a comienzos del siglo XIX y slo se recupera des-
pus de la segunda guerra mundial, cuando Amrica ya haba asegurado su
liderazgo en este campo.
En el contexto de esta reconstruccin histrica, resulta particularmente
interesante la referencia de Goldthorpe (op. cit.) al empeo mostrado por Max
Weber3 en la articulacin de estadstica y causalidad como las dos caras de
cualquier explicacin sociolgica posible:
Si falta la adecuacin de sentido nos encontramos meramente ante una pro-
babilidad estadstica no susceptible de comprensin (o comprensible en forma
incompleta); y esto aunque conozcamos la regularidad en el desarrollo del
hecho [] con el mximo de precisin y de que sta sea determinable cuan-
titativamente. Por otra parte, an la ms evidente adecuacin de sentido puede
considerarse como una proposicin causal correcta para el conocimiento socio-
lgico en la medida en la que pruebe la existencia de una probabilidad (deter-
minable de alguna manera) de que la accin concreta tomar de hecho, con
determinable frecuencia o aproximacin, la forma que fue considerada como
adecuada por el sentido. (1944, FCE: 11. nfasis suyo)
Intencin que, por lo dems, queda claramente ilustrada en el estilo de su

mayor estudio histrico, La tica protestante y el espritu del capitalismo, en el que
el explanandum general el espritu del capitalismo se puede entender como
referido a patrones recurrentes de accin: aqullos en los que los individuos se
integran en relacin con trabajo y dinero. Con gran claridad, adems, seala que
las estadsticas sociales empricamente establecidas requieren ser explicadas
causalmente por referencia a patrones de decisin y accin a travs de los cua-
les aqullas se crean y mantienen.
Pero, tanto en el caso de Weber, como en el de otros socilogos europeos
(cfr. Goldthorpe, ibdem), el proyecto de institucionalizar una sociologa emp-
rica en la que las estructuras estadsticas de datos y la interpretacin formal
aportaran el entramado deseable de la investigacin aplicada se qued en el
camino. Aparte de por oposiciones polticas fortuitas en el contexto estricta-
mente alemn que aqu no vienen al caso, en el mbito de la sociologa ger-
mana este esbozo de proyecto fue abortado tambin por las dos conflagracio-
nes mundiales que asolaron a Europa en la primera mitad del siglo XX. As, a
la postre, la normalizacin e institucionalizacin de la sociologa estadstica y
2. En este punto, puede resultar interesante remitirse a las biografas de Durkheim y Weber (cfr.
Goldthorpe, 1997; Oberschall, 1965; Schad, 1972, y Desrosires, 1985).
3. Cfr. tambin Lazarsfeld (1970), Lazarsfeld y Oberschall (1965) y Oberschall (1965).
Papers 80 001-312 13/12/06 10:54 Pgina 227
la subsiguiente estandarizacin del anlisis causal estadstico no se dara en

Europa, sino en los Estados Unidos de Amrica.
Prcticamente desde su fecha fundacional (aproximadamente en 1895),
hasta el perodo de su mayor apogeo en la dcada de 1960-1970, la sociolo-
ga estadstica de las escuelas de Columbia y Chicago, las instituciones ms
representativas de la vertiente, tuvo tambin en los Estados Unidos de Amrica
una historia peculiar (cfr. Lazarsfeld, 1962), toda ella cargada de circunstan-
cias institucionales y de liderazgos especficos que resultaron claves en la defi-
nicin de sus rasgos constitutivos. Tratar de describirlos es parte de este ejercicio
que, al enfrentarse con un periodo tan extenso, slo llegar a esbozar las suce-
sivas concepciones de estadstica y ciencia emprica plausiblemente reconoci-
bles en esta tradicin sociolgica, intentando al mismo tiempo reflejar los prin-
cipales cambios de sensibilidad y de receptividad general en relacin con las
nociones de probabilidad y causa.
Autores como R. C. Bannister (1987) y, sealadamente, C. Bernert
(1983), ya han hecho este recorrido ofrecindonos interesantes reconstruc-
ciones de las tendencias ms salientes. Aqu nos podremos beneficiar de ese
material relativamente reciente y condensado en el que, adems de consi-
deraciones generales no carentes de inters, se da una particular versin del
desarrollo de la sociologa estadstica, tradicionalmente rezagada en su ade-
cuacin instrumental y, como apenas se ha mencionado, a remolque de los
desarrollos y procedimientos implantados en otras disciplinas afines. Y ello,
irnicamente, muy a pesar de haber compartido prcticamente idnticas
posibilidades, e incluso el mismo espacio fsico puerta-con-puerta con cole-
gas estadsticos, economistas y psiclogos altamente especializados en el
tema.
Como no hay un acuerdo unnime sobre la cuestin de la explicacin cau-
sal y menos an acerca de su posible utilidad para la ciencia emprica moder-
na, es preciso mantener en mente el hecho de que las sucesivas etapas que se
identifican a continuacin no se corresponden a cortes reales que necesaria-
mente suponen fronteras bien definidas de concepciones excluyentes de expli-
cacin cientfica o ciencia causal. Ms bien al contrario, resulta evidente que se
dan trasvases de una generacin a otra y que, slo por razones de claridad expo-
sitiva, se pueden reconstruir aqu como programas cientficos distintos que
pasan a identificarse primordialmente por sus estilos de trabajo y sus aspira-
ciones explicativas expresas.
Al margen de las reglas de uso propias, es adems importante reconocer la
influencia que en cada poca han tenido tambin las tendencias filosficas y,
naturalmente, sus concepciones ms generales sobre el uso de la probabilidad
en la ciencia emprica. Como prcticamente ocurre con todas las dems dis-
ciplinas sociales, la sociologa de hecho constituye una simple caja de reso-
nancia de dichas tendencias. La diferencia en todo caso estriba en que, apar-
tndose de muchas de las dems ciencias sociales, sealadamente de la psicologa
y de las ciencias econmicas, la sociologa emprica siempre se ha mostrado
tendente a responder con retardo a la reflexin filosfica de la ciencia y reacia
Papers 80 001-312 13/12/06 10:54 Pgina 228
a las innovaciones matemticas, mostrando, en cambio, una cierta preferen-

cia por salidas rpidas y una buena dosis de improvisacin y diletantismo (cfr.
Goldthorpe, op. cit.).
Primera etapa: la estadstica descriptiva heredada

de la escuela histrica alemana
Lejos an de una clara lgica de la correlacin-regresin, la generacin fun-
dacional (1890-1910) de la sociologa cuantitativa norteamericana, mayorita-
riamente formada en Alemania (el 70% de sus estudiantes de postgrado, segn
Bernert 1983: 234-35), estuvo expuesta a la gran disputa del mtodo de las
ciencias sociales (Methodenstreit) que, en su momento, enfrent las posiciones
de Gustaf von Schmoller (la escuela histrica de economa) y Karl Menger (la
escuela clsica de teora econmica), a propsito del inductivismo histrico y
el deductivismo terico, respectivamente4. En ese contexto, el impacto de la
revolucin probabilstica (1830-1930) se dej sentir mucho ms claramente
en el medio germano parlante que en el caso de las sociologas fundacionales
inglesa (Spencer) o francesa (Comte y Durkheim). De hecho, la insistencia de
los miembros de la escuela histrica en la diferencia entre leyes determinsticas
(causales) y regularidades inductivas (que no acarrean fuerza causal), les per-
miti concebir una modalidad propia de ciencia social emprica, forjndose
una tradicin de estadstica descriptiva en la que se argumentaba adems a
favor de un individualismo ajeno a las leyes y la concepcin estndar de la
macroeconoma (cfr. Porter, 1986: 247-53). Las discrepancias analticas entre
escuelas trascendieron tambin al plano poltico y, en el curso de su crtica a
la teora econmica abstracta, este grupo propici una encarnizada lucha
contra los principios del laissez-faire, pasando muchos de sus miembros a ser
parte activa del Verein fr Sozialpolitik, una institucin que, desde su funda-
cin (1872), combati los principios generales del utilitarismo econmico,
tanto en el terreno de los supuestos como en el de los valores morales. Mtodo
y prctica tica pasaron as a vulgarizarse en una mezcla de la que seran fcil
pasto muchos de aquellos estudiantes estadounidenses.
Forjados en estas lides, al volver a casa, muchos de esos jvenes proceden-
tes de la escuela de Schmoller cayeron en una desafortunada asociacin de pro-
cedimientos tomados de esa tradicin, junto con una especie de vulgata local
de darwinismo social heredado del pensamiento anglosajn, particularmen-
te de Herbert Spencer. A diferencia de los psiclogos, discpulos de W. Wundt,
que (quiz porque como seala Bernert corrieron la suerte de acudir a
mejores centros) llegaron a adoptar una modalidad bastante ms refinada de
empirismo, estos socilogos acabaron en algo bastante ms primitivo e incon-
4. Guardando las distancias, en Inglaterra se da un debate similar entre los partidarios del
mtodo inductivo de J.S. Mill y los seguidores del mtodo deductivo de W. S. Jevons. No
obstante, a lo que estuvieron directamente expuestos estos estudiantes fue a la disputa del
mtodo en el contexto alemn (cfr. M. A. Oberschall, 1965).
Papers 80 001-312 13/12/06 10:54 Pgina 229
trolado, en una especie de cuantitativismo animista. Su ingenua creencia en

una suerte de magia inductiva les llev a sepultarse en verdaderas montaas
de datos, a refugiarse en cuestiones estrictamente descriptivas y, errneamen-
te, a confundir leyes sociales y causas que dado su peculiar animismo
asociaron a nociones de produccin, fuerza, energa, etc., generalizadas
mediante analogas descriptivas evocativas de la naturaleza ontolgica de las
causas. De esta forma, como apunta M. Bunge (1959: XVIII), acabaron por
dejar de lado la cuestin de fondo: el problema epistemolgico de cmo, efec-
tivamente, se reconoce el vnculo causal.
De esta matriz de pensamiento, salieron las ideas de A. Small (1923-25)5 y
F. Giddings (1903), quienes, aunque continuaron remitindose particular-
mente al vocabulario de trminos biolgicos y organicistas como sinnimos
de causa, mostraron explcitamente una clara inclinacin a aceptar un an-
lisis causal sociolgico apoyado en estadsticas histricas y fundamentado
sobre la induccin cientfica, la nica que conducira a la formulacin de
leyes causales, el fin primordial de toda ciencia, tambin de la sociologa.
De esta forma, Small y Giddings pasaran a convertirse en las piezas indiscu-
tibles de la transicin que dara lugar a los inicios de una investigacin socio-
lgica propiamente cientfica.
Mientras Giddings se abra campo en la Universidad de Columbia, aten-
diendo a una invitacin de su amigo Henderson, A. Small se incorpora al
Departamento de Sociologa de la Universidad de Chicago. Juntos, Small y
Henderson pretendieron impulsar un programa de investigacin de sociolo-
ga emprica, algo que funcionase al menos [] hasta que las universidades
europeas [pudiesen] realizar los reajustes de intereses en juego6. An sabien-
do que contaban con una tradicin esencialmente contraria a la investigacin
estadstica7, para 1914 la mancuerna Small-Henderson present un informe
en el que se puntualizaba la necesidad de un centro de investigacin social,
algo similar a lo que para entonces se saba que estaba impulsando Giddings en
el Departamento de Sociologa de Columbia (Lazarsfeld, 1962: 762). No obs-
5. A. Small, por ejemplo, define as la sociologa: La sociologa, en su objetivo mximo desde

la perspectiva metodolgica, es simplemente una filosofa moral consciente de su tarea y
que sistemticamente busca el conocimiento de causas y efectos dentro del proceso de evolu-
cin moral (AJS, volumen 28, 1923: 715).
6. Cfr. Lazarsfeld (1962: 762).
7. Particularmente a partir de la influencia decisiva del psiclogo social G. Mead (1934) y de
la versin sociolgica que hace Blumer de su binomio mente-sociedad, la vena introspec-
cionista constituye un sello de identidad indiscutible de Chicago. Ya desde 1927, con la
llegada de Ogburn procedente de Columbia, se haba empezado a dar ms importancia a
la instruccin estadstica en los postgrados, lo que favoreci cualquier proyecto que pudiera
impulsar el desarrollo de la investigacin por sondeo (cfr. Bryant, 1985: 136). Si a media-
dos de la dcada de 1920 Chicago haba sido el lugar para estudiar sociologa cualitativa, su
preeminencia se haba ido erosionando a lo largo de los aos treinta, y para cuando llega
Lundberg en 1937, an a pesar de la corriente de interaccionismo simblico que an por
entonces compartan Blumer, Hugues, Becker y Goffman, el carcter distintivo de la escuela
haba perdido prcticamente toda su fuerza.
Papers 80 001-312 13/12/06 10:54 Pgina 230
tante, Chicago declin el proyecto y Small tuvo que buscar una alianza con la
Business School, una institucin dispuesta a propiciar un centro de investiga-
cin social emprica en Chicago mismo. Contrario a tal iniciativa, al
Departamento de Sociologa le tomara ms de dos dcadas llegar a encajar la
idea, y casi medio siglo ms admitir la puesta en marcha de una sociologa
estadstica profesionalizada como proyecto integrado a la estructura universi-
taria (cfr. Lazarsfeld, 1962: 763).
Segunda etapa: la influencia de la estadstica inglesa

Naturalmente, tambin en Columbia tom su tiempo desprenderse de las
viejas ideas. Pero, a pesar de que los aires de renovacin no parecan halageos,
cuando, en lugar del malogrado Mayo-Smith (uno de esos inductivistas for-
mados por estadsticos morales alemanes), lleg F. H. Giddings con sus primeras
publicaciones sobre leyes sociolgicas inductivas (Statistics and Sociology,
1891, e Inductive Sociology, 1903)8, se dio paso a la fundacin de un laboratorio
de estadstica, la instancia de la Universidad de Columbia que marcara el inicio
definitivo del programa de una sociologa emprica propiamente estadstica.
A pesar de que Giddings siempre procur rodearse de mediocres que no
hicieran sombra a sus ideas (que, por otra parte, apenas si soportaran el sim-
ple paso del tiempo), impuls a los jvenes de su laboratorio a mantener con-
tactos directos con Henry L. Moore, un econmetra asociado al laboratorio
de Galton, Pearson y Edgeworth en Londres, a travs de quien aquellos soci-
logos llegaron a familiarizarse con los nuevos avances estadsticos y fueron
imbuidos de una creciente confianza y un mayor reconocimiento de las ventajas
asociadas a esos instrumentos. Ms capacitada tcnicamente, ms eficiente y
mucho ms conciliadora que Giddings, esta nueva generacin de estadsticos,
entre quienes destacaron particularmente Chapin, Hankins y Ogburn, pas a
desempear un papel pionero en la introduccin del anlisis de regresin en
el mbito de la sociologa aplicada.
Para 1920, F. Stuart Chapin fue el primer socilogo en publicar un manual
de tcnicas (Field Work and Social Research) en el que se inclua ya una exposi-
cin de la regresin, los intervalos de confianza, el muestreo al azar, la prepara-
cin de protocolos de entrevista, la codificacin, clasificacin y tabulacin de
datos y otros procedimientos hasta entonces no empleados sistemticamente en
la investigacin aplicada y que en el manual se proponan como prcticas habi-
tuales de la investigacin sociolgica. A este manual le sigui un libro de texto
bastante ms actualizado, Principles and Methods of Statistics, en el que R. Chaddok
(925) da tambin detalles acerca de rutinas computacionales de correlacin y
regresin, e introduce algunas de las primeras instrucciones elementales para la
operacin con tarjetas perforadas, todo un cambio en el horizonte de posibilidades
8. Publicados en 1891 y en 1901, en Nueva York: The MacMillan Co. (cfr. Oberschall, 1972:
225-226).
Papers 80 001-312 13/12/06 10:54 Pgina 231
para la investigacin cuantitativa aplicada. Fue as como el Departamento de

Sociologa de la Universidad de Columbia se convirti en la puerta de entrada
a la estadstica inglesa en la sociologa estadounidense aplicada.
La tradicin tabular: La sociologa del dato

A pesar de todo, el trnsito a la apenas concebida tradicin estadstica fue cos-
tosamente lento. De hecho, no es hasta que W. F. Ogburn pasa a Chicago e influ-
ye sobre Stouffer y Duncan, cuando la iniciacin estadstica cobra realmente
fuerza y se generaliza a partir de 1927. Poco despus, tanto en Chicago como
en Columbia, los conocimientos de sociologa estadstica lograron estandarizar-
se y los estudios empricos aplicados comenzaron a aparecer de forma regular en
el Journal of the American Sociological Asociation. Slo entonces puede hablarse de
nimos renovados que, bajo la direccin de Taylor, llevaran a configurar una
modalidad especficamente sociolgica de trabajo inductivo en la que la des-
cripcin estadstica se asoci a la encuesta individualizada o social survey9.
Montado sobre las ideas de Poincar, Mach, Pearson y J. S. Mill, Taylor
lider una visin de la sociologa aplicada que presentaba las tablas de res-
puestas obtenidas por sondeo como instrumento de control emprico y vali-
dacin de hiptesis, y cuya eficacia [] depende de la manipulacin mate-
mtica de unidades objetivas cuidadosamente definidas, observadas y
codificadas. Concebida como una estrategia para disponer conjunta y orde-
nadamente de sumas de frecuencias obtenidas en la ordenacin de datos, las
tablas serviran para sintetizar resultados cuantitativos y ofrecer una visin
numrica de las relaciones entre categoras y variables (cfr. Greenwood, 1945;
Chapin, 1947). En efecto, con las tablas, se lleg a concretar de forma defini-
tiva la fase clasificatoria de la sociologa estadstica inicial, un rasgo tan propio
de su estilo de trabajo que ha sido retenido como tcnica auxiliar o comple-
mentaria a lo largo de la investigacin de todos los tiempos (cfr. Fienberg,
1977; Upton, 1978; Gilbert, 1981).
Pero el problema central de estos modelos tabulares elementales iniciales,
aun en el caso de que las conjeturas causales efectivamente pudiesen contras-
tarse, era que las comparaciones por ellos establecidas se basaban generalmente
en muy pocas instancias y, en ltimo caso, servan slo para estimar los efectos
para cada grupo de forma separada. Aunque, en la actualidad, algunos de estos
escollos siguen en pie, el anlisis de tablas cruzadas con modelos tales como el
9. A fines del siglo XIX, antes de la implementacin del procedimiento de sondeo, las fuentes
de datos para la investigacin sociolgica eran primordialmente provistas por estadsticas
y datos institucionales contenidos en fuentes secundarias. Estos datos aparecan suficientes
para los estudios comparativos que animaron a la sociologa del desarrollo de Comte, o la
tesis evolutiva de Spencer. No obstante, como se muestra claramente en Durkheim, no
facilitaban su insercin dentro de una narrativa de la accin (de ah, quiz, lo de que los
hechos son hechos sociales). En este sentido, el desarrollo del sondeo marca un gran
avance (cfr. Goldthorpe, 1997: 409).
Papers 80 001-312 13/12/06 10:54 Pgina 232
log-lineal ha acabado resolvindose en descripciones muchsimo ms eficien-

tes. Adems, a diferencia de las tempranas tabulaciones, el procedimiento para
el anlisis de tablas cruzadas en los modelos actuales altamente automatizados
permite estimar los parmetros usando simultneamente toda la informacin
disponible en la tabla (Saris y Stronkhorst, 1984: 288), una ventaja adicional
para la descripcin sociolgica.
Poco a poco, se fueron gestando las condiciones propicias para la entrada
del mito inductivo radical que, a partir de 1937, lleg de la mano de Lundberg.
Su idea rectora fue que, asociando los datos no experimentales obtenidos por
sondeo con el procedimiento estadstico, el conjunto permitira equiparar los
modelos explicativos de la sociologa con los de las dems ciencias empricas
(Lundberg, 1929). La introduccin y el desarrollo del anlisis de regresin10,
unido a un sustantivo avance en el manejo de los procedimientos de tablas y
grficos, pas a ser entonces el rasgo esencial del estilo de trabajo de la nueva
generacin de socilogos. Su impacto llev, en las dcadas de 1920 y 1930, al
desarrollo y a la estandarizacin definitivos del procedimiento del sondeo indi-
vidualizado como la herramienta de investigacin por excelencia de la sociologa
cientfica o estadstica.
El positivismo instrumental: Mtodo sin teora

Con Lundberg y su gente, el programa del positivismo instrumental se exten-
di finalmente de Columbia a Chicago, generalizando un proyecto afn al
neopositivismo en auge11 siguiendo el cual la sociologa emprica pasaba a
suscribir explcitamente una variante operacionalista en la introduccin de sus
trminos observacionales.
El operacionalismo, una versin del empirismo particularmente activa,
haba sido puesta en marcha por el fsico G. Bridgman (1927), quien sostena
que todo trmino cientfico mtrico o no no significa otra cosa que un
conjunto de operaciones (op. cit.: 5), aqullas que permiten su introduccin.
Los trminos introducidos se presentaban entonces como sinnimos de un
conjunto de operaciones y pasaban a definirse como operacionales u opera-
tivos, puesto que eran tales operaciones las que les conferan entidad o signi-
ficado. Hacer extensiva esta idea al campo de la sociologa impuso a Lundberg
10. La regresin se generaliza en estadstica para indicar el estudio de la naturaleza de la

relacin entre dos variables, esto es, la funcin matemtica y la forma geomtrica de
tal relacin: el anlisis de regresin.
11. La filosofa del neopositivismo o empirismo lgico, que inicia su andadura a partir de las con-
tribuciones de filsofos lgicos y matemticos de los crculos de Viena (R. Carnal, O. Neurath,
H. Feigl y otros) y Berln (H. Reichenbach y, ms tarde, K. Hempel), haba impuesto por
entonces la idea de la unidad del mtodo de la ciencia. A pesar de las controversias que el
tema levantara, el fisicalismo como filosofa dominante impuso la idea de que el lenguaje
observacional debe consistir en descripciones mtricas o cuantitativas de entidades, propiedades
o procesos, no referidos a experiencias privadas, sino un lenguaje unificado, intersubjetivo,
proporcionado por la experiencia neutra en la que han de apoyarse las teoras cientficas.
Papers 80 001-312 13/12/06 10:54 Pgina 233
la elaboracin de una suerte de operacionalismo autogestionado en el que se

asuma que el procedimiento de introduccin operacional de trminos, el nico
criterio objetivo disponible para la unificacin del lenguaje de las ciencias socia-
les, pasaba por la especificacin de los protocolos o las operaciones que permi-
tan la introduccin de un sistema categorial intersubjetivo, nico. Con tal ini-
ciativa como obsesin propia, pronto lleg a creer que asociando las estructuras
de datos correspondientes a respuestas reiteradas en los sondeos individuales
con la matemtica estadstica se llegara a aportar el conjunto necesario de ins-
trucciones y operaciones mediante las cuales introducir definiciones opera-
cionales genuinas y clasificaciones objetivas. A partir de aqu, el nfasis en
el debate del mtodo cientfico se hizo girar entorno a las operaciones adecua-
das para la introduccin de trminos (Lazarsfeld: 1970a, 1979) y sobre las vir-
tudes y los vicios de estos protocolos en la construccin del lenguaje de las cien-
cias sociales (Rosenberg y Lazarsfeld: 1955).
As, aunque personalmente no desarroll ninguna tcnica especfica, final-
mente fue Lundberg acab institucionalizando la funcin de la estadstica y
del sondeo como operaciones esenciales para la construccin de conceptos
(indicadores e ndices) capaces de trascender las particularidades y llamados a
la construccin de un sistema categorial nico para la disciplina. De ah el atri-
buto de instrumental, uno de los rubros con los que tambin ha pasado a
conocerse este positivismo que, en manos de Lundberg, puso el nfasis cen-
tral en ese lenguaje unificado llamado a fusionar la induccin estadstica y los
sondeos en un programa de investigacin propio de la sociologa emprica (cfr.
Bryant, 1985).
Un efecto no deseado del creciente xito experimentado por el mtodo de
sondeo a raz de estos acontecimientos fue la creciente tendencia a convertir
la tcnica en un fin en s misma, conduciendo a un inesperado espejismo del
instrumento. Debido a esa desafortunada inversin de prioridades y objetivos,
varias generaciones de socilogos empricos acabaron identificando mtodo
e instrumentos o tcnicas, y se alejaron casi por completo de los problemas
nucleares relativos a la explicacin causal y a la sistemtica terica. En su par-
ticular modalidad de empirismo, sin apenas vacilaciones aparentes, el opera-
cionalismo de los trminos claramente les llev a sustituir en su discurso la
nocin de causa por la de correlacin o asociacin probable, un trmino que
les resultaba operacionalmente ms general y a la vez ms asible y menos pro-
blemtico.
Ha de decirse que este fenmeno no result ser exclusivo de la sociologa.
Ms bien al contrario, las constantes dudas sobre la relevancia ltima de la
lgica correlacional basada en el anlisis estadstico acerca de las causas haban
llevado en el perodo de entreguerras a filsofos y cientficos por igual a un
vasto rechazo del lenguaje causal12. Todo lo que requera la ciencia en temas
12. Bunge (1959: 333) muestra cmo el concepto tiende a desaparecer: es un fetiche para
Pearson, una supersticin para Wittgenstein, un mito para Toulmin, una reliquia para Russell.
Papers 80 001-312 13/12/06 10:54 Pgina 234
de causalidad y todo lo que se poda esperar encontrar a este respecto por va del
conocimiento cientfico, pasaba, por aquel entonces, por el establecimiento
de relaciones funcionales relativamente invariantes entre propiedades metri-
zadas13. Hasta las leyes de la fsica llegaron a concebirse como simples idealiza-
ciones de datos descriptivos correlacionales. En este sentido, los cientficos
sociales slo intentaron ajustar sus aspiraciones a las ideas en curso y, a su mane-
ra, dieron algunos pasos en el mismo sentido.
As, imbuida de los ideales del fisicalismo y empirismo lgico de comien-
zos del siglo XX, y bsicamente influida por Pearson14, esta sociologa, emi-
nentemente estadstica e inductiva, acab por erradicar de su lenguaje la
nocin de causa. Siguiendo el dictum pearsoniano de que todo lo que pode-
mos observar son las covariaciones, estos socilogos pretendieron ceirse a
la restriccin emprica de los observables y, al hacerlo, descuidaron otra res-
triccin emprica igualmente importante, a saber, la de que la asociacin o
correlacin no puede implicar consecuencias ontolgicamente objetables. La
tensin entre ambos principios empricos en competencia pas a pesar fuer-
temente sobre las discusiones en torno a la estadstica y la imputacin cau-
sal, tan frecuentes entre las nuevas promociones de socilogos a finales de los
aos treinta. A comienzos de los cuarenta, la supremaca del inductivismo
radical y la consiguiente exaltacin del instrumento acabaran cediendo paso
a una versin bastante ms refinada de empirismo notoriamente modificado
por una preocupacin analtica en ascenso, algo que les permitira plantearse
de nuevo la lnea de continuidad lgica entre investigacin emprica y siste-
mtica terica.
La generacin intermedia: Tcnicas, mtodo y teora

Al tiempo que se alcanzaba el punto ms bajo de la terminologa causal, se
haban ido dando tambin importantes mejoras en los instrumentos que impul-
saron un importante volumen de produccin en investigacin emprica apli-
cada. Pero, a pesar de este xito aparente, la prctica indiscriminada del induc-
tivismo y el operacionalismo prevalecientes acabaron por producir una profunda
y peligrosa disociacin entre los lenguajes tericos y de investigacin. La lla-
mada generacin intermedia pasara a desempear un papel crucial en un
cambio de rumbo, alejndose del imperio del mtodo convertido en feti-
che y retomando con ahnco las cuestiones de inferencia causal y sistemtica
terica.
13. La historia de los desarrollos filosficos subsiguientes en conceptos causales es demasiado com-
pleja y escapa por completo de los lmites de esta discusin.
14. Sea como sea, los padres de la estadstica moderna mostraron poca estima por el tema de la
causalidad, al que se referan con gran escepticismo. Al menos para Pearson (1892), la cau-
salidad era una herencia metafsica, un residuo tpico del pensamiento precientfico, un
mero fetiche que haba de ceder el paso a la idea de correlacin, entendida como represen-
tacin inductiva de relaciones entre propiedades o eventos observables.
Papers 80 001-312 13/12/06 10:54 Pgina 235
Gracias particularmente a la labor de difusin que Samuel Stouffer y

Dorothie Swane (ambos procedentes de la London School of Economics)
emprendieron en la Universidad de Chicago, la sociologa emprica acabara
por abrirse a la mejor tecnologa estadstica britnica de aquellos tiempos, lo que
propici la implementacin de matrices nuevas en las que, sin detrimento de
los instrumentos, se intentara recuperar el lenguaje causal. A partir de este
esfuerzo divulgativo, el creciente inters en los progresos estadsticos de la inves-
tigacin aplicada alcanzados por otras disciplinas afines (el anlisis factorial de
la psicometra, la teora de modelos de ecuacin estructural de la econometra
y los modelos de senderos de la biometra) acabara por consolidar una nueva
atmsfera que llevara a la sociologa estadstica a la etapa moderna (Goldthorpe,
2000).
Aunque la ocasin de propiciar este impulso de renovacin se dio en un pri-
mer momento gracias al nfasis de Stouffer en la implementacin de las nove-
dades en inferencia estadstica avanzadas por R. A. Fischer (1926; 1935), fue la
ocasin del encargo de analizar los resultados de la gran macroencuesta de The
American Soldier la que le llev a asociarse con los mejores investigadores socia-
les de la poca. Dentro de ese equipo, sera P. Lazarsfeld quien hara la contri-
bucin ms significativa a la estadstica aplicada, actuando de forma decisiva en
la tarea de actualizacin tcnica e integracin sistemtica del anlisis causal en la
investigacin por sondeo. Bsicamente, lo que el equipo Stouffer-Lazarsfeld pre-
tendi impulsar fue la idea de una lgica explicativa (o causal) llamada a pro-
mover formas de control alternativas al experimento tradicional (la tcnica por
excelencia de anlisis causal) que permitiesen parafrasear la asociacin estadsti-
ca en trminos de acusacin causal. De esta forma, las dos cuestiones centrales que
acometieron fueron la de dilucidar el sentido preciso en el que las asociaciones esta-
dsticas provenientes de sondeos pueden o no ser efectivamente susceptibles de
experimentacin controlada o, en su defecto, idear tcnicas alternativas capaces
de garantizar ciertos controles que permitan una interpretacin plausible de las
estructuras estadsticas resultantes de ese tipo de datos.
En lo que atae a la primera cuestin, inicialmente, Stouffer y los suyos
(Stouffer, Suchman y otros, 1949) pretendieron inspirarse en los experimentos
estadsticos y, no sin ciertas reticencias, se propusieron integrar a los sondeos de
la macroencuesta el recurso experimental de la comparacin sistemtica entre
un grupo al que se aade el estmulo (grupo de tratamiento) y el grupo que
permanece idntico, esto es, sin el estmulo (el grupo de control )15. A pesar
15. En relacin con estos modelos estadsticos de inferencia, puede decirse que, bsicamente, el
procedimiento responde al siguiente argumento: Si se manipula un factor causal, x, entonces,
observando los controles apropiados (de regresin, por ejemplo), se ha de producir el efecto
sistemtico sobre la variable que responde, y. As, por ejemplo, si se manipulan apropiada-
mente los resultados mediante la introduccin de grupos de tratamiento a los que se provee
de estmulos especiales (x), y grupos de control (no-x) desprovistos de tales estmulos, entonces
se puede discriminar si la probabilidad de y dado x resulta ser mayor que la probabilidad
de y dado no-x.
Papers 80 001-312 13/12/06 10:54 Pgina 236
del empeo que pusieron en ello, la propuesta se vio satisfecha de forma slo
excepcional, hasta el punto que el propio Stouffer tuvo que acabar admitien-
do que, aparte de pocas excepciones, en la mayora de los casos el trabajo con
este tipo de datos nicamente puede lograr aproximaciones muy burdas al
experimento controlado. Pero, an siendo pequeo el rendimiento global del
intento, no cabe duda de que, ms que cualquier otra investigacin anterior, The
American Soldier contribuy a introducir nuevos rigores en el diseo de los
sondeos individualizados y coadyuv tambin a llevar a este tipo de investiga-
cin por sondeo a un momento histrico de gloria.
No obstante, sera la crtica de P. Lazarsfeld (1950) la que acabara sen-
tando la idea de que, en ausencia de la posibilidad de intervencin o mani-
pulacin de los resultados (el rasgo propio de cualquier experimento, clsi-
co o controlado), aquello a lo que justamente han de enfrentarse los modelos
de regresin en las investigaciones sociolgicas es a controlar estadsticamente
todas aquellas variables que pueden proveer una historia causal interesante. As,
a diferencia del contexto propiamente experimental en el que el procedi-
miento de asignacin aleatoria permita eliminar diferencias sistemticas sig-
nificativas en la composicin de los grupos de tratamiento y control (la idea
inicial de Stouffer), en los estudios no experimentales todas las variables han
de ser tomadas en cuenta de forma explcita, puesto que la omisin de cual-
quier variable importante puede llevar a conclusiones cuestionables. Sin el
recurso de la intervencin, la sostenibilidad de la explicacin causal en la
investigacin social se ve as reducida a las restricciones que puedan sugerir los
controles de regresin y supeditada al conocimiento precedente, intuitivo o
terico.
En su versin alternativa al diseo experimental, Lazarsfeld (Kendall y
Lazarsfeld, 1950) propone una modalidad de anlisis multivariante adaptada
a la elaboracin de las relaciones estadsticas con datos procedentes de son-
deos individualizados: la parcializacin. Su invitacin es a examinar las modi-
ficaciones que sufren las relaciones parciales entre las variables una vez que se
introduce un factor de control. Si, en la versin ms elemental Vxy represen-
ta la correlacin original, el control de la variable test Vt puede ejercerse sobre
Vx bien desplazndola (en cuyo caso Vx se considera espuria), o, por el con-
trario, simplemente especificndola (en cuyo caso Vx y Vy son complementa-
rias). A travs de estos procesos de combinacin (o tablas parciales), explicar
estadsticamente en contextos no experimentales acaba equivaliendo a intentar
eliminar las relaciones entre la variable test Vt antecedente y la variable dada por
independiente Vx en la correlacin original (Lazarsfeld, 1946).
Aunque la lgica de la parcializacin guarda semejanza con la del experi-
mento controlado, es evidente que no se trata del mismo procedimiento, ni
tampoco tiene idntico rendimiento informativo. En este contexto, adems16,
16. Para una crtica de estos planteamientos y, sobre todo, del mal uso que se ha hecho de ellos
(cfr. Lieberson, 1985).
Papers 80 001-312 13/12/06 10:54 Pgina 237
la nocin de causa cobra un sentido altamente pragmtico, en el entendido

de que son los sucesivos controles los que llevan a equiparar la explicacin esta-
dstica con una relacin que les sobrevive, es decir, con una relacin estadstica
robusta o manifiestamente no espuria (Kendall y Lazarsfeld, op. cit., nota 26,
158).
Siguiendo a Lazarsfeld, el argumento completo sera que, mientras la aso-
ciacin estadstica no implica causalidad, toda conjetura causal supone una
asociacin controlada. Y, an en contextos no experimentales, los procedimientos
de regresin pueden llevar a asociaciones estadsticas mejor controladas que
sirven a su vez de pretexto a una parfrasis causal plausible. As, mientras expli-
car consiste [] en el aspecto formal de la elaboracin [estadstica], inter-
pretar causalmente requiere, adems [] combinar el formalismo de la ela-
boracin de una clasificacin [con] algn principio sustantivo de ordenacin
(Lazarsfeld, 1958: 124). La instancia central de la elaboracin estadstica, el
control de espuridad, se plantea entonces como un requisito procedimental-
mente necesario y que precede a cualquier posible interpretacin causal de la
covariacin, imputacin esta ltima a la que han de asociarse principios sus-
tantivos ajenos a la estadstica y generalmente sacados de la intuicin o del
conocimiento terico acerca del tema en cuestin.
Siempre que Lazarsfeld habl de relacin causal, la asoci a la interpreta-
cin de la asociacin estadstica genuina, paso que necesariamente presupone
la incorporacin de conocimientos sustantivos fundamentados sobre infor-
macin precedente. En efecto, puesto que la causalidad no es observable, el
reconocimiento de la asimetra causal (o no reversibilidad de las variables)17
es algo para lo que han de introducirse supuestos adicionales o mecanismos.
Con ello tcita pero rotundamente Lazarsfeld est implicando el lmite del len-
guaje estadstico, que resulta ciego en temas de causalidad. As, al margen del
control estadstico de espuridad, el hecho de afirmar que x es una posible causa
de y exige la incorporacin de supuestos ajenos a la estructura estadstica de
los datos del sondeo. El propio Lazarsfeld (1958: 124) reconocer que la secuen-
cia temporal, el supuesto que explcitamente incorpora a su esquema formal
de elaboracin de las variables (Lazarsfeld, 1946), no es el nico supuesto
sustantivo de especificacin de la asimetra causal. No obstante, no sera l,
sino el economista Herbert A. Simon (1953; 1979) quien, poco despus, aten-
dera detalladamente a esta cuestin.
17. En el enunciado causal, la relacin es irreversible: si fumar causa cncer de pulmn, la dolen-
cia no puede causar el hecho de fumar; si el accidente fue producido por el estado de
embriaguez, ese estado de embriaguez no pudo haber sido producido por el accidente, etc.
A diferencia, pues, de la relacin estadstica que es reversible (si fumar est positivamente rela-
cionado con el cncer de pulmn, el cncer de pulmn estar igualmente correlacionado
con signo positivo con el hecho de fumar), la asociacin causal es irreversible, es decir,
supone una asimetra causa-efecto: el efecto no puede ser causa de su causa, no puede rever-
tirse.
Papers 80 001-312 13/12/06 10:54 Pgina 238
Tercera etapa: los modelos causales de regresin
El precedente sentado por Lazarsfeld fue rpidamente seguido por H. Simon,

mejor conocido entre socilogos por sus Models of men. Simon entronca en
una slida tradicin economtrica que arranca de Hottelling, Tinbergen,
Haavelmo, Wold y, particularmente, T. Koopmans y H. Schutz, sus maestros.
Ellos fueron quienes fundamentaron los mtodos que bsicamente pasaron a
caracterizar la econometra hasta bien entrados los aos setenta. En la estela
de esta tradicin, H. Simon reconduce el problema de la identificacin y la
cuestin de las relaciones estructurales asocindolo al tema de la correla-
cin espuria.
Aunque en su momento Yule haba examinado el problema de la asociacin
espuria, la cuestin haba recibido tambin inmediata atencin por parte de esta-
dsticos sociales (Lazarsfeld, 1946; Zeisel, 1947; Kendall y Lazasfeld, 1950) cuyos
trabajoscomo apenas se ha dicho tuvieron que ver bsicamente con refina-
mientos del anlisis de regresin y su formalizacin. Aunque en todos esos desa-
rrollos se indicaba la generalizacin del procedimiento a n variables, ninguna de
las propuestas haba examinado con detalle la correlacin estadstica en un esque-
ma ampliado o con ms de una ecuacin. Desde el problema de la identifica-
cin y con un sistema lineal de ecuaciones en mente, Simon (1952; 1953; 1954)
pretende atender a esta cuestin, a la vez que tender un puente al problema de la
correlacin espuria. As, al intentar operacionalizar la direccin de la influencia
causal, llega a una nocin de causa que asocia la ordenacin asimtrica genui-
na de las variables con sistemas de ecuaciones autocontenidos.
Esta posicin contrastaba con la del operacionalismo inmediatamente ante-
rior que, tambin en ciencias econmicas, vena evitando cualquier uso de la
nocin de causa a la que se haba sustituido por relaciones funcionales o
relaciones de interdependencia entre variables. Tal omisin, segn Simon,
haca que la observacin quedara exclusivamente relegada a revelar asociacin
recurrente, pero, sobre todo, implicaba una terminologa causal contraria a la
genuina intuicin. En su Causal Ordering and Identifiability, Simon (1953)
hace notar el hecho de que la concepcin de relaciones funcionales o sim-
tricas contrasta poderosamente con cmo se concibe la relacin causal en el sen-
tido comn u ordinario. De hecho, cuando, en el curso de una conversacin
real, se dice que A causa B, ni se quiere ni se puede decir a la vez que B
causa A. En cambio, cuando se afirma que A y B estn funcionalmente rela-
cionadas (o son interdependientes), se puede estar indistintamente querien-
do decir que A y B, o B y A estn funcionalmente conectadas. Mientras la rela-
cin de las variables en la correlacin es reversible, la relacin causal es
esencialmente asimtrica o irreversible.
En tanto ligados a leyes funcionales, los modelos causales de ecuaciones
estructurales habran de integrar esta idea de relacin asimtrica entre las varia-
bles y especificar adems cules de ellas se excluye y de qu ecuacin. Era evi-
dente que la nocin de causa haba de estar ntimamente asociada a la cuestin
estadstica de la identificabilidad y a supuestos sustantivos sobre las variables que
Papers 80 001-312 13/12/06 10:54 Pgina 239
se supone influyen en el sistema. Como, estadsticamente, identificacin

implica que el sistema de ecuaciones del modelo ha de comprender el nme-
ro de ecuaciones y elementos suficientes para que la estimacin de todos o
parte de sus parmetros sea posible18, en la prctica, se impone la incorporacin
de ciertos supuestos a priori o principios sustantivos que (como el de secuen-
cia u ordenacin temporal) que sirven para completar el sistema de ecuacio-
nes a la vez que indican la omisin o inclusin de una determinada variable
en una determinada ecuacin. As, por ejemplo, por va de omisin de varia-
bles particulares, entran en el modelo supuestos tales como el principio de
simplicidad19 (o eliminacin de variables redundantes); el postulado de
homogeneidad para la identificacin de coeficientes con idntico valor20; el
supuesto de no-comunicacin, no-influencia o contigidad, etc., que per-
miten la omisin de nexos entre aquellas variables que no se suponen directa-
mente conectadas dentro de un determinado sistema. Estos supuestos acerca de
las distribuciones podrn omitirse slo en casos en los que la correlacin real
entre variables observables resulte aproblemtica. Pero, en el caso de variables
inobservables, son ellos por regla general los que proveen identificacin adi-
cional al sistema de ecuaciones que se estudia.
As, siempre que se hable de un modelo economtrico, en trminos gene-
rales se estar aludiendo a un modelo estructural recursivo, lineal, autoconte-
nido y autnomo. Lineal, puesto que, matemticamente, representa ecuacio-
nes lineales; autocontenido porque est identificado, es decir, contiene tantas
ecuaciones como variables; recursivo porque admite la determinacin mutua
entre las variables del sistema. Se dice tambin que se trata de un modelo de
ecuacin estructural autnomo porque, dentro de ese sistema de ecuaciones,
cada ecuacin representa un supuesto o un mecanismo independiente21. De
18. Se dice que el sistema est perfectamente identificado, cuando en el sistema existe infor-
macin suficiente para resolver todos los parmetros. Estar subidentificado si la informacin
que contiene slo permite estimar parte de sus parmetros. En cambio, si dicha informa-
cin no permite identificar ningn parmetro, entonces el sistema no es identificable en
absoluto. Tambin puede darse el caso en el que la informacin resulta excesiva, lo cual
ocurre slo cuando el nmero de ecuaciones es superior al de incgnitas y da lugar a una
sobreidentificacin (Simon, 1979: 76-77).
19. La nocin de simplicidad va generalmente asociada a la idea de que entre varios sistemas
de proposiciones (sistemas lgicos, matemticos, fsicos, etc.), se elige el que es, o parece
ser, ms simple. Tambin se prefiere una ley ms simple a otra menos simple. No obstante,
se trata de un trmino multvoco (cfr. Bunge, 1962: 113-135), con lo que no todas las for-
mas de simplicidad resultan deseables o mutuamente compatibles. No obstante, hay que
escapar siempre de la tentacin de atender a los requisitos de la mera conveniencia estads-
tica (Simon, 1979: 70).
20. La aplicacin de tales postulados suele ser muy til en el caso de los sistemas fsicos. La idea, por
ejemplo, de que la fuerza de gravedad es una constante se convierte en una verdadera fuente
de identificacin de modelos para la mecnica newtoniana. Aunque las cosas difieren bastante
en el caso de los sistemas sociales, cognitivamente echamos mano del mismo recurso.
21. De hecho, a diferencia de las ecuaciones algebraicas, estas ecuaciones estructurales se car-
acterizan porque las soluciones no se dan individualmente, ecuacin por ecuacin, sino
para el conjunto del sistema.
Papers 80 001-312 13/12/06 10:54 Pgina 240
esta forma, cualquier subconjunto de ecuaciones estructurales pasa a ser en s

mismo un modelo vlido de la realidad, el modelo de una estructura que pre-
valece bajo algn conjunto de intervenciones, un modelo pensado para dar
con la interpretacin causal que menos se aleje de los datos empricos dispo-
nibles.
La sociologa de comienzos de los sesenta acab por incorporar estos mode-
los causales de la econometra (H. M. Blalock, 1962) y los modelos de sende-
ro de la biometra (O. Duncan, 1966). Su xito no fue inmediato, pero las
propuestas, cada vez ms manejables, hicieron que la idea de la causalidad
como generacin de modelos dominara rpidamente el trabajo emprico de la
disciplina, llevando incluso a pensar que por esta va se acabaran cerrando las
viejas disputas entre investigacin y teora.
La causalidad como generacin de modelos causales y de sendero

En el procedimiento basado en los modelos de ecuacin estructural (el enfoque
Simon-Blalock), el simple control por combinacin es reemplazado por un
control estadstico ms eficiente que presume la especificacin de una teora
causal que envuelve a todas las variables que el investigador considera impor-
tantes. Con estos modelos el tema de la causalidad-probabilidad alcanza el de
mayor expansin de las tcnicas de regresin en el mbito de la sociologa
emprica.
Mientras hasta aqu el anlisis multivariante slo haba discutido el efec-
to que una variable o variables pueden tener sobre otras, para determinar y
contrastar los efectos ahora resultaba preciso explicitar las relaciones entre
dichas variables. Esta operacionalizacin de la asimetra causal, o relacin no
reversible entre variables, se conceba como ntimamente ligada a la idea de tra-
duccin del lenguaje estadstico de las asociaciones simtricas entre variables
a hiptesis causales que reflejasen la unidireccionalidad de la relacin de
influencia. Las teoras pasaran entonces a consistir en listas de hiptesis cau-
sales que establecan relaciones no simtricas entre las variables de un deter-
minado sistema.
Como, por una parte, la idea de produccin o influencia resultaba
esencial a la idea de causa y, por otra, la mayor parte de las formulaciones
verbales, sobre todo los informes de investigacin por sondeo, formulaban
meros enunciados de covariacin, stos ltimos no podan sin ms identifi-
carse con hiptesis causales el tipo de enunciados que requieren las teoras.
La traduccin de los enunciados verbales a hiptesis causales se convirti
entonces en el paso previo a cualquier uso de los modelos de ecuacin estruc-
tural. De hecho, para Blalock (cfr. 1962; 1964; 1969; 1973; 1980), para-
frasear los informes verbales en forma de enunciados causales resulta la tarea
ms inmediata que ha de realizar el socilogo que se propone suscribir esta
perspectiva analtica. l mismo puso un gran empeo en esta tarea, dedi-
cando gran atencin a la construccin de teoras e invitando a la traduc-
cin de los reportes verbales al lenguaje causal. Aunque Blalock nunca lleg
Papers 80 001-312 13/12/06 10:54 Pgina 241
a elaborar reglas fiables para la formulacin de teoras, el procedimiento

que, a partir de l, se ha seguido habitualmente consiste en situar el proble-
ma que interesa en un campo ms general de conocimiento para, a partir de
supuestos probados, reconstruir las variables influyentes y transcribir las
asociaciones estadsticas en forma de hiptesis causales plausibles para un
determinado modelo22.
Siguiendo esta propuesta, Saris y Stronkhorst (1984: 25-38) nos ofrecen
un relato detallado del procedimiento que va desde los contenidos de un infor-
me preliminar hasta la construccin de los modelos. El problema que traba-
jan, un tema relacionado con la desigualdad de oportunidades de acceso a la for-
macin superior a la que se enfrentan los hijos de las clases menos favorecidas
arranca del siguiente informe:
Para el mes de enero, el director del departamento de una escuela elemental
hace algunas recomendaciones concernientes al tipo de escuela secundaria que
le parece la ms apropiada en cada caso para los distintos alumnos. Tal reco-
mendacin se hace llegar a los padres y a la comisin de evaluacin.
Subsiguientemente, los padres solicitan una plaza en la escuela que ellos desean
para sus hijos. Adems de la recomendacin del director de la escuela, la soli-
citud de admisin proporciona algunos datos personales sobre el gnero del
alumno y el estatus socioeconmico de los padres. Para febrero o marzo se
administra una prueba en la escuela. Al cabo de un mes, los resultados estn dis-
ponibles y la escuela informa a las comisiones de las escuelas secundarias del
entorno de tales resultados. Son stas ltimas las que finalmente toman la deci-
sin respecto a la eleccin de escuela que ha de acabar hacindose. (Citado en
op. cit.: 25)
Al leer el informe, lo primero que salta a la vista es la poca nitidez con la que
se enuncian los procesos de influencia implcitos y la escasa diferenciacin
entre las variables involucradas en la eleccin de escuela, el resultado que el
informe describe verbalmente. As, una vez emplazado en el marco ms exten-
so de la teora de la movilidad social, lo primero que interesa es discriminar
claramente la lista de variables centrales al proceso descrito, a saber, la influen-
cia de los padres, los resultados de los alumnos y los comits de evaluacin y deci-
sin, todas ellas en relacin con la variable influida, la eleccin de escuela secun-
daria. Una vez establecidas las variables, se han de prefigurar ordenaciones
causales o relaciones asimtricas plausibles entre ellas, bien atendiendo a indi-
cadores de secuencia temporal implicados en el orden mismo de las cosas, a
indicadores de influencia explcitamente pretendidos por los autores del infor-
me verbal, o a otros indicadores que pueden ser directamente proporcionados
22. Entresacado de Blalock 1968, la trascripcin clsica de la teora del sistema social matri-
arcal basado en el estudio comparativo de H. Driver y W. C. Massey sobre los indios
norteamericanos es reconstruida en prcticamente cualquier manual de sociologa empri-
ca. Para el desarrollo grfico y estadstico de los modelos, ver, por ejemplo, Sierra Bravo
(1991: 61-62).
Papers 80 001-312 13/12/06 10:54 Pgina 242
la recomendacin de los maestros
eleccin de escuela secundaria las preferencias de los padres
la calificacin del test de la escuela
Figura 1. Diagrama causal que representa las hiptesis causales del ejemplo.
por el conocimiento procedente de la teora. Una vez ordenadas las variables en

relaciones de produccin o asimtricas, el siguiente paso es la especificacin
de las hiptesis causales, una condicin formal previa que han de cumplir los
enunciados verbales para homologarse a los que integran los modelos mate-
mticos.
Volviendo al informe, Saris y Stronkhorst (op. cit.: 16) distinguen dos sen-
deros de influencia. Una hiptesis (1) que hace referencia a la eleccin de escue-
la secundaria como influida por las preferencias de los padres, la recomenda-
cin de los maestros y las calificaciones obtenidas en un test impuesto por la
escuela, y (2) una hiptesis causal que aludira a la preferencia de los padres
bajo la influencia del dictamen de los maestros. Grficamente, las dos hipte-
sis tendran el siguiente aspecto (figura 1).
Como, por convencin, los efectos no especificados se suponen siempre
iguales a cero, no pueden darse otros argumentos tericos adicionales que pue-
dan incluirlos, quedando de esta forma configurada la incipiente teora.
Una vez obtenida esta traduccin preliminar a hiptesis causales, el siguien-
te paso consiste en controlar la covariacin no explicada. Con fundamento
en el conocimiento terico previo sobre movilidad social, se pueden aadir
algunas variables de control tales como el nivel de rendimiento escolar, una
variable que parece connatural al modelo. La teora extendida incluira enton-
ces una tercera hiptesis causal segn la cual (3) el rendimiento escolar tiene
una influencia causalmente directa sobre las recomendaciones de los maes-
tros, las preferencias de los padres y el test de evaluacin de la escuela.
Siguiendo la propuesta de Saris y Stonkhorst (op. cit.: 26), el diagrama corres-
pondiente a esta transcripcin causal del informe verbal ampliado sera el
reflejado en la figura 2.
Se trata, pues, de un proceso bastante activo en el que se depende de la
posibilidad de identificar las variables, de indicar su ordenacin causal, y
de poder especificar buenas hiptesis causales con fundamento en supues-
tos probados. Justamente, la dificultad de estos modelos radica en que los
supuestos sustantivos (o no estadsticos) sobre los que se montan las hip-
tesis causales no resultan observables. De hecho, lo nico que se puede
observar es el grado de covariacin descrito por los datos empricos, dejan-
do siempre abierta la duda de si stos ocultan o no variables espurias o cau-
sas comunes ms profundas. Y es aqu donde la propuesta de formulacin
Papers 80 001-312 13/12/06 10:54 Pgina 243
la recomendacin de los maestros

eleccin de escuela
secundaria rendimiento
las preferencias de los padres
escolar
la calificacin del test de la escuela
Figura 2. Diagrama causal de la teora ampliada de la carrera escolar que incluye la variable
control: rendimiento.
de teoras causales conecta directamente con la necesidad de contrastar las

teoras.
De hecho, una vez construido el modelo formal, si sus predicciones te-
ricas (los coeficientes parciales de regresin que miden la fuerza de cada uno
de los brazos del modelo) no se ajustan a los valores empricos de la matriz de
datos procedentes de la investigacin emprica, entonces la teora se des-
carta. Y, aunque nunca haya prueba concluyente de la existencia de la cau-
salidad aducida, en general, suele decirse que una hiptesis causal ha sido
falsada si la fuerza de la relacin entre las variables que interesan es igual a
la covariacin observada entre esas variables (op. cit.: 28). En los casos en
los que la covariacin y la relacin espuria no son equivalentes, entonces,
o bien hay un posible efecto entre las variables (que es lo que presumible-
mente se busca), o se ha omitido de la investigacin alguna causa comn
importante23.
R. Boudon (1965a) y particularmente O. Duncan (1966) propusieron
algo ms tarde otra variante de anlisis multivariante vinculada a los diagra-
mas de senderos (del genetista S. Wright, 1926). El anlisis de senderos o an-
lisis de dependencia pretende ponderar los efectos causales especificados en la
teora. Para ello, se estiman los parmetros que se interpretan como ndices
de la cantidad de cambio estandarizado en la variable dependiente y que
puede atribuirse al cambio estandarizado de otra variable inmediatamente
anterior. A diferencia del procedimiento apenas expuesto, ms que en testar
la teora causal, el anlisis de senderos se centra prioritariamente en la esti-
macin de los efectos.
La posibilidad de control por aleatorizacin, la gran ventaja de la investi-
gacin experimental, se suple en estos estudios no experimentales por la com-
paracin de las medidas derivadas de la covaracin24 con los valores de los
datos empricos. Pero, a diferencia de los casos experimentales, en los modelos
23. Cfr. Saris y Stronkhorst, op. cit. 28. En general, este manual constituye una buena gua
para ver cmo los modelos pueden ser formulados, contrastados, corregidos, simplificados
y, finalmente, constatar su grado de irresolucin o de cajanegrismo que retienen.
24. Para mayor explicitacin de estos modelos, cfr. Sierra Bravo (1981): Ciencias sociales: Anlisis
estadstico y modelos matemticos. Madrid: Editorial Paraninfo: 285-314.
Papers 80 001-312 13/12/06 10:54 Pgina 244
de sendero no puede excluirse ninguna variable importante. Con ello, la inves-

tigacin no experimental se ve obligada a especificar teoras ms completas
para los campos que investiga. Es evidente que, cuando se habla de construir
o generar modelos estadsticos causales o de sendero con datos no experimen-
tales no se pueda prescindir de la discusin del tema de la contrastacin; pero
tampoco se puede dejar al margen la fase de traduccin o formulacin de enun-
ciados o hiptesis casuales, algo para lo que se hace imprescindible el recurso
al conocimiento terico previo.
El nuevo sesgo estadstico: automatizacin s, causalidad no

Con la introduccin generalizada de las modernas tcnicas de computacin,
en las dcadas de 1960 y 1970 se hizo posible un anlisis multivariante con
datos estadsticos procedentes del sondeo a escalas antes impensables. Ello
llev a la sociologa cuantitativa a una importante revolucin en trminos de
productividad. En efecto, las tarjetas perforadas, que ya en su momento hab-
an permitido a los investigadores contar el nmero de individuos que pre-
sentaban un mismo atributo para construir las entradas requeridas para sus
tabulaciones cruzadas eran ahora reemplazadas por procedimientos capaces
de estudiar relaciones entre un nmero considerable de valores en grandes
conjuntos de variables simultneas. Frente a la cantidad enorme de horas de
trabajo que poda llegar a consumir la tabulacin en los procedimientos ante-
riores, la era actual de la automatizacin electrnica simplificaba e incre-
mentaba la velocidad de estas actuaciones a extremos sorprendentes. No obs-
tante, al lado de este formidable progreso en lo que se puede hacer con los
datos, la sociologa cuantitativa se mantuvo tericamente pauprrima. As, a
pesar de que las estructuras estadsticas a las que hoy se tiene acceso con estos
medios son mucho ms ricas en su calidad de clasificaciones o descripciones,
ms que coadyuvar al progreso de la disciplina, la informatizacin ha ido
acompaada de una notoria tendencia al retroceso terico. De hecho, en tr-
minos generales, hoy se est bastante ms lejos del ideal explicativo que en
los aos cuarenta.
En buena medida ello responde al hecho de que, aunque la creciente auto-
matizacin informtica ha hecho del modelo de regresin su tipo de modelo
formal favorito para el anlisis de la relacin entre variables, ha tendido sis-
temticamente a excluir la intencin interpretativa o terica que alent a las
versiones iniciales. La justificacin habitual que dan los modelos estadsticos
automatizados de esta eleccin es prioritariamente en trminos de la necesi-
dad de una ponderacin adecuada de la importancia relativa de las variables
y de la significacin estadstica de la varianza. Pero, por regla general, se pos-
pone o se ignora el papel fundamental del control de espuridad (la idea cen-
tral en la propuesta de codificacin y elaboracin de P. Lazarsfeld) y se relega
al olvido el lenguaje pretendidamente causal de los modelos importados
de la econometra (los supuestos no estadsticos de H. Simon). As, centra-
dos en los tests de significacin y en la varianza explicada, potentes modelos
Papers 80 001-312 13/12/06 10:54 Pgina 245
como el log-lineal25 han llevado a ignorar prcticamente el sentido original

de tales controles, esencialmente llamados a proporcionar asociaciones no
espurias candidatas a la especificacin o al establecimiento de efectos inte-
ractivos y a la interpretacin causal o terica del sistema de ecuaciones.
As, en un exceso de complacencia estadstica, se han llegado a ignorar los
temas centrales de la causalidad y la vinculacin terica, pero ahora con el
agravante de que, an en ausencia de teora, la nueva tecnologa permite a los
investigadores considerar una enorme cantidad de variables simultneas e
indagar sobre toda suerte de cuestiones alusivas a la significacin relativa de
variables o grupos de variables interactuando. A este respecto, Goldthorpe
(2000) subraya cmo la mayora de estas prcticas de anlisis cuantitativo han
acabado por hacer un miserable favor, un pobre trabajo en detrimento de la
explicacin en la sociologa emprica. Es un hecho que, a pesar del enorme
progreso y sofisticacin de los instrumentos matemticos y estadsticos para
el anlisis de los datos, la sociologa cuantitativa de las ltimas dcadas ha per-
manecido en la inopia terica, contribuyendo con ello a que semejante des-
pliegue de medios haya acabado resultando totalmente irrelevante para la acu-
mulacin y el progreso de la disciplina.
Un resultado no buscado de la revolucin informtica ha sido, as, la ins-
tauracin de un nuevo estilo de sociologa aplicada, tanto profesional como
acadmica. En efecto, la sociologa estadstica se ha convertido en una rama
de la disciplina con entidad propia. Matemticamente demandante y tcnica-
mente muy refinada, esta sociologa tiende a privilegiar el instrumento que,
una vez ms, crece desmedidamente revirtindose contra la teora. De esta
forma, en las ltimas dcadas, se ha visto consumado un hiato an mayor entre
investigacin y teora. Hay que decir que no toda la responsabilidad es de los
socilogos estadsticos. Tambin es verdad que muchos de los que se autode-
nominan tericos carecen de la pericia o preparacin especializada para enten-
der la inmensa mayora de las investigaciones cuantitativas, u otros ms ni tan
siquiera muestran inters, ya que parten del supuesto de que la actividad inter-
pretativa o hermenutica es la meta nica tcnicamente alcanzable o, sim-
plemente, deseable de la disciplina. Frente a tal despropsito, A. B. Srensen
(1998: 242) comenta que una de las ironas en la formacin de muchos de los
graduados universitarios contemporneos es que lo que se llama teora acaba
25. A partir de los aos setenta, el anlisis de la varianza acoplado a la investigacin por son-
deo ha dado lugar a modelos informatizados de asociacin e interaccin tales como el anli-
sis log-lineal, que sirve para el estudio unitario y global de relaciones estadsticas de influencia
entre variables indistintas (sin por ello plantearse diferenciar las variables dependientes e
independientes); el modelo logit, en el que se elige una variable dependiente y se sigue el
criterio de analizar sus frecuencias esperadas en funcin de las dems variables independi-
entes (Sierra Bravo, 1990: 64), o los modelos multinivel, que capacitan para manejar efec-
tivamente series de transiciones a lo largo del tiempo sufridas por individuos a travs de
diferentes estados discretos (carreras educacionales, profesionales, formacin y disolucin
de familias, etc.), siendo posible examinarlos en trminos de su dependencia constante o
variable de tiempo (Goldthorpe, 1998).
Papers 80 001-312 13/12/06 10:54 Pgina 246
muchas veces convirtindose en [] un simple refugio para estudiantes que

o bien se muestran reacios [a la abstraccin analtica] o son incapaces de apren-
der estadsticas.
Mal uso de los modelos de regresin

Los primeros estudios que usaron modelos estadsticos a gran escala, particu-
larmente J. Coleman y otros (1966), en Equality of Educational Opportunity, y
Blau y Duncan (1967), en The American Occupational Structure, llevaron a
cabo un anlisis multivariante muy elaborado, usando, a su vez, conjuntos
masivos de datos. De esta forma, con una muestra inicial de 600.000 estu-
diantes, el primer anlisis lleg a incluir unos cuantos cientos de variables en
un intento por medir los efectos de la escolarizacin indicados en los resulta-
dos obtenidos en los tests de rendimiento. Aunque con muchas menos varia-
bles y un conjunto de datos bastante ms reducido, el estudio de Blau y Duncan
tuvo un impacto bastante mayor, porque introdujo de forma simultnea la
prctica del anlisis de senderos, un primer contacto sistemtico para muchos
socilogos con el anlisis de regresin (cfr. Goldthorpe, 2000: 240-241).
Ambos trabajos usaron coeficientes estandarizados de regresin o coefi-
cientes de senderos, respectivamente, para medir el efecto en trminos de la
desviacin estndar de las variables independientes. El razonamiento bsico
detrs de estos procedimientos resulta extremadamente sencillo: si la variable
x tiene un coeficiente estndar mayor que la variable y, entonces x es ms sig-
nificativa. Las desviaciones estndar pasaron, as, a proporcionar una suerte de
mtrica comn que llev a popularizar este tipo de comparaciones, siempre
en la confianza de que as se podra decir algo sobre acciones aplicadas o pol-
ticas especficas (cfr. C. Jenckes y otros, 1972 para otros ejemplos). El proble-
ma es que los tests de significacin estadstica estn nicamente llamados a
indicar si creer o no en la estimacin de un parmetro, y un error, no por fre-
cuente menos daino, ha sido tomarlos para informar acerca de su supuesta
importancia terica. De hecho, con gran facilidad, se ha tendido a pasar de la
afirmacin de que algo es altamente significativo estadsticamente a la acepta-
cin implcita de que es importante tericamente. Visto as, con mala fortuna
el advenimiento de la informtica ha servido para reforzar la actitud de aque-
llos socilogos poco afectos a teorizar y mejor dispuestos a pensar menos en
lo que hacen, dejando que la tcnica gobierne sus formas de anlisis.
Si bien este mal uso de la significacin estadstica no es exclusivo de la
sociologa cuantitativa26, el abuso de la varianza explicada y de las desviaciones
estndar para evaluar efectos relativos s que es una obsesin particular de los
socilogos, algo que no han compartido ni economistas ni psiclogos.
Curiosamente, esta obsesin, que arranca de los escritos de Blau y Duncan
26. Aunque, en trminos particulares, no es exactamente as. Cfr. la crtica que, a su uso entre
economistas, hacen D. N. McCloskey y S. T. Ziliak (1966).
Papers 80 001-312 13/12/06 10:54 Pgina 247
(1967), es una idea que el mismo Duncan se encargara de rebatir personal-

mente ms tarde: No hay cantidad estadstica que d una respuesta significa-
tiva general a la cuestin de qu variable es tericamente ms importante que
otra (1975: 51).
La teora como suma de variables

De esta forma, el mismo poder o potencia que han ganado las tcnicas esta-
dsticas en buena medida se ha vuelto contra la sociologa fundamental y, en la
prctica, la automatizacin ha llevado en muchos casos a sustituir a la teora
por una suerte de suma de variables. Las teoras acerca de los procesos que se
estudian acaban presentndose como ideas acerca de qu variables considerar,
y la verdad y la significacin terica se establece simplemente por la va de
mostrar qu variables cuentan. No es de extraar, pues, que tales aportaciones
nunca aparezcan en los cursos estndar de teora.
No obstante, la idea de que la tcnica estadstica es capaz por s sola de pro-
veer explicaciones sociolgicas, resulta simplemente insostenible. En contextos
no experimentales, tales como son prioritariamente los de la sociologa emp-
rica, la idea de que pueden hacerse inferencias causales de forma directa o libre
de teora a partir de modelos estadsticos ha sido fuertemente cuestionada,
incluso por los propios estadsticos. Y no cabe pensar que mejorando las estra-
tegias se puede llegar a inferir la causa a partir de los datos de sondeos. Por
potentes y sofisticados que sean los modelos de regresin de la sociologa, an
en el supuesto de que se haga un buen uso de ellos, ms all de la descripcin
slo podrn servir de evidencia sobre la que se monten interpretaciones tericas,
o se critiquen y se contrasten las mismas. En otras palabras, la sociologa de las
variables no puede desembocar en teora, a menos que la teora, tampoco
autnoma o independiente de sus bases empricas, provea los supuestos o meca-
nismos causales desde los que interpretar las estructuras estadsticas.
De ah la insistencia en una renovada alianza entre investigacin y teora.
Su disociacin, largamente testimoniada en la historia de la disciplina, es un
escndalo (Srensen, 1998). A tal punto que, como afirma el socilogo bri-
tnico J. H. Goldthorpe (1997: 405), incluso desde estndares no precisa-
mente demasiado exigentes como los de la economa o la psicologa, la socio-
loga es un despropsito manifiesto.
Una propuesta alternativa: estructuras estadsticas y mecanismos causales

No obstante, el mismo Goldthorpe (op. cit.: 408-09) se empea en sealar en
la sociologa contempornea algunos desarrollos de la investigacin y el trata-
miento de datos procedentes de sondeos que resultan interesantes y dan ade-
ms pie a un cierto optimismo. En primer lugar, los datos de los que hoy se
dispone se extienden a largos perodos de tiempo. De hecho, los sondeos repe-
tidamente implementados dcada tras dcada sobre poblaciones idnticas y
los estudios de panel han llegado a alcanzar una madurez sin precedentes en
Papers 80 001-312 13/12/06 10:54 Pgina 248
diferentes campos. As, por ejemplo, cuestiones como el impacto de la indus-

trializacin sobre la igualdad de oportunidades, la descomposicin de las cla-
ses sociales, la desintegracin del mundo rural o la integracin de la mujer al
mercado de trabajo, pueden ser hoy tratadas sobre bases empricas mucho ms
seguras que hace tres dcadas27. En segundo lugar, el imperativo acadmico
y profesional de autosuperacin en relacin con la calidad de los sondeos,
junto con una mejor comprensin y uso del anlisis secundario, ha dado pie a
interesantes comparaciones de carcter internacional28 que, en conjunto, resul-
tan muy informativas. Por ltimo, a partir de los aos setenta, desarrollos auto-
matizados como los de los modelos log-lineal o modelos histricos multinivel
(multilevel modeling), entre otros, han provisto a los socilogos cuantitativis-
tas de procedimientos poderosos para tratar datos categoriales asociados a diver-
sos atributos de los distintos individuos sondeados. De hecho, permiten que la
informacin relativa a atributos individuales pueda trabajarse sistemticamente
de forma conjunta con informacin relacionada con entidades supraindivi-
duales, o con conjuntos de datos jerrquicamente estructurados. Algunos
estudios sobre desigualdades tnicas o de clase en lo que toca a rendimientos edu-
cativos, tasas de matrimonios mixtos, asimilacin de comunidades tnicas, etc.
han ido arrojando as descripciones estadsticas de enorme valor para el teri-
co dispuesto a interpretarlas29.
As pues, en cuanto al progreso en la disponibilidad tcnica para la reco-
leccin y el anlisis de los datos, la sociologa basada en las tcnicas de sondeo
est hoy a aos luz de las expectativas de sus primeros promotores. No acaba
de entenderse muy bien la extendida tendencia a analizar tales datos sin la
gua de teora, ni tampoco porqu, a pesar de tantsima informacin y pericia
tcnica en el muestreo y los procedimientos de simulacin, en buena parte de
la sociologa contempornea domina hoy un discurso no explicativo, tenden-
te a oponer resistencia a cualquier tipo de compromiso entre la compenetracin
interpretativa, la imaginacin terica, la habilidad matemtica y las herra-
mientas disponibles a la sociologa emprica contempornea (cfr. Boudon,
1995: 233).
En el presente estadio de desarrollo, la disciplina bien podra beneficiarse
de una alianza entre la sociologa dedicada al anlisis de grandes conjuntos de
datos y la sociologa analtica comprometida con matrices tericas fecundas
en supuestos interpretativos. Si, por ejemplo, como sugiere Goldthorpe (op.
cit., 2000: 406-07), aquellos tericos que suscriben matrices formales ricas en
mecanismos, acabasen adoptando las estructuras estadsticas regulares resul-
27. Cfr., por ejemplo, Goldthorpe (1987); Hope (1981); Mayer y Carroll (1987); Van Leeuwen
y Maas (1996), entre los citados por Goldthorpe (1997: 409).
28. Ver, por ejemplo, investigaciones sobre movilidad social, como la de Erikson y Goldthorpe
(1992); estudios comparativos sobre desigualdades educativas y de movilidad, como el de
Ishida y otros (1995), o el de Smeeding y otros (1990) o Atkinson y otros (1995), sobre la
distribucin del ingreso y las dinmicas de pobreza y exclusin social.
29. Goldthorpe (1987: 409) cita aqu a Smith y Tomlison (1989), y Jones (1994).
Papers 80 001-312 13/12/06 10:54 Pgina 249
tantes de las investigaciones aplicadas como sus explananda preferidos, enton-

ces podran llegar a interpretarlas dentro de una narrativa general de la accin,
hacindolas inteligibles a la luz de mecanismos intencionales y acabando por
presentarlas sea como consecuencias laterales u otras de acciones individuales.
Frente a la mejora en la estructura de los explananda, los socilogos analticos,
en efecto, podran contribuir a cerrar el hiato entre investigacin y teora apor-
tando mejores mecanismos a la interpretacin de los mismos.
Mientras, en general, la importancia del anlisis causal y la explicacin han
retrocedido ms que avanzado en relacin a las propuestas de hace tres dcadas,
en la actualidad se dan condiciones de madurez analtica y tcnica que, al
menos en lo que respecta a ciertos sectores de la sociologa contempornea,
alientan la esperanza de poder engarzar una evidencia emprica mucho mejor
tratada con mecanismos causales explicativos tambin hoy mucho mejor cono-
cidos y sistematizados, particularmente dentro de la narrativa general de la
accin-intencin (cfr. Goldthorpe, 2000: 239). No faltan, pues, razones para
cierto optimismo. La empresa se plantea prometedora. Queda por ver lo que
de ella harn las generaciones futuras de socilogos.
Referencias bibliogrficas
ATKINSON, J.; RAINWATER, L. y otros (1995). Income Distribution in Advanced
Economics: Evidence from the Luxenbourg Income Study (LIS). LIS Working
Paper.
BAIN, R. (1927). Trends in American Sociology. Social Forces, 5 (1926-27): 413-422.
BANNISTER, R.C. (1987). Sociology and Scientism: The American Quest for Objectivity,
1880-1940. Chapel Hill, NC: University of North Carolina Press.
BENDIX, R. y otros (comp.) (1991). La sociologa como profesin: autobiografa intelec-
tual de veinte socilogos americanos. Madrid: Ministerio de Trabajo y Seguridad
Social. Ediciones de la Revista de Trabajo, 42, 1993.
BERK, R.A. (1988). Causal inference for sociological data. En: SEMELSER, N.J. (ed.):
155-172.
BERKANE, M. (ed.) (1997). Latent Variable Modeling with Applications to Causality.
Nueva York: Springer-Verlag.
BERNERT, C. (1983). The career of causal analysis in American sociology. British
Journal of Sociology, 24: 230-54.
BIRNBAUM, I. (1981). An Introduction to Causal Analysis in Sociology. Londres: MacMillan
Press.
BLALOCK, H. Jr. (1962). Estadstica Social. Mxico: FCE, 1964.
(1964). Causal Inferences in Non experimental Research. Chapel Hill: University of
North Carolina Press.
(1969). Recasting verbal theories as causal models. En: Theory Construction,
Englewood Cliffs: Prentice Hall (cap. 3).
(1973). Causal Models in the Social Sciences. Nueva York: Aldine/Atherton.
(1980). Measurement and conceptualization problems: The major obstacle to
integrating theory and research. En BLALOCK (ed.) (1980): 31-47.
(1984). Theory Construction. From Verbal to Mathematical Formulations. Englewood
Cliffs, N. J.: Prentice-Hall, Inc. 1979. Edicin castellana: Mxico: Trillas, 1984.
Papers 80 001-312 13/12/06 10:54 Pgina 250
BLAU, P.M.; DUNCAN, O.D. (1967). The American Occupational Structure. Nueva
York: Wiley.
BOUDON, R. (1965a). A method of linear causal analysis: Dependence analysis.
American Sociological Review, 30: 365-374.
(1968). A new look at correlation analysis. En: BLALOCK y BLALOCK (eds.).
(1979). La lgica de lo social. Traduccin castellana: Madrid: Rialp, 1981.
(1979a). Effets pervers et ordre social. Traducida al castellano por Ediciones Premi,
Mxico, 1980.
(1979b). Generating models as a research strategy. En: MERTON, COLEMAN y
ROSSI (eds.), 1979: 51-64.
(1996). Pourquoi devenir sociologue? Reflexions et evocations. Revue Franaise
de Science Politique, 46 n 1: 52-79.
BOUDON, R.; LAZARSFELD, P. (ed.) (1966). Metodologa de las ciencias sociales. Volumen
II: Anlisis emprico de la causalidad. Barcelona: Laia, 1974.
BRIDGMAN, P.W. (1927). The Logic of Modern Physics. Nueva York: MacMillan.
BRYANT, C.G.A. (1985). Positivism in Social Theory and Research. Houndmills,
Hampshire y Londres: MacMillan Publishers LTD.
(1975). Positivism reconsidered. Sociological Review, 23: 397-412.
BUNGE, M. (1959). Causality and modern science. 3a ed. Nueva York: Dover Publications,
1979.
(1999). The Sociology-Philsophy connection. Traduccin castellana: Mxico: Ediciones
Edaf, 2000.
C AMIC , C H .; X IE , Y. (1994). The statistical turn in American social science:
Columbia University, 1890 to 1915. American Sociological Review, 59 (octu-
bre): 773-805.
CHAPIN, F.S. (1947). Experimental Design in Sociological Research. Nueva York:
Harper.
CLOGG, C.G. (1992). The impact of sociological methodology on statistical metho-
dology. Statistical Science, 7: 283-297.
COLEMAN, J.S. y otros (1966). Equality of Educational Opportunity. Washington, D.C.:
Government Printing Office.
DEMPSTER, A.P. (1990). Causality and Statistics. Journal of Statistics Planning and
Inference, 25: 261-78.
DESROSIRES, A. (1985). Histoire de formes: Statisques et sciences sociales avant
1940. Revue Franaise de Sociologie, 26: 277-310.
DUNCAN, O.D. (1975). Introduction to Structural Equation Models. Nueva York:
Academic Press.
(1970). Partials, partitions and paths. En: BORGATTA, E. (ed.). Sociological
Methodology. San Francisco: Jossey Bass.
(1966). Path analysis: sociological examples. American Journal of Sociology, 72: 1-1.
ERIKSON, R.; GOLDTHORPE, H.J. (1992). The Constant Flux: A Study of Class Mobility
in Industrial Societies. Oxford: Clarendon Press.
ERIKSON, R.; JONSSON, J.O. (eds.) (1996). Can Education be Equalized? The Swedish
Case in Comaparative Perspectiva. Boulder, Col.: Westview Press.
ERIKSON, R.; GOLDTHORPE, H.J. y otros (1979). Intergeneracional Calss Mobility
in three western European societies. Britsh Journal of Sociology, 30: 415-41.
FARIS, R.E.L. (1967). Chicago Sociology, 1920-1932. San Francisco: Chandler.
FIENBERG, S.E. (1977). The Analysis of Cross-Classified Categorial Data. Cambridge,
Mass.: MIT Press.
Papers 80 001-312 13/12/06 10:54 Pgina 251
FISHER, R.A. (1926). The arrangement of field-experiments. Journal of Ministry of

Agriculture, 33: 503-513.
(1935). The Design of Experiments. Nueva York: Hafner Publishing.
FORNELL, C. (ed.) (1982). A Second Generation of Multivariate Analysis. Nueva York:
Praeger.
FOX, J. (1984). Linear Statistical Models and Related Methods. Nueva York: John Wiley.
GIDDINGS, F.H. (1924). The Scientific Study of Human Society. Chapel Hill, N.C.:
University of North Carolina Press.
(1909). The teaching of Sociology in the United States. American Journal of
Sociology, 15 (1909-1910): 164-95; 192-211 (discussion). Contribution to dis-
cussion of Luther L. Bernard.
(1903). A theory of social causation. Publications of the American Economic
Association. 3a serie, 5: 2 (mayo de 1904).
GILBERT, G.N. (1981). Modelling Society: An Introduction to Loglinear Analysis for
Social Researchers. Londres: Allen & Unwin.
GILLIN, J.L. (1927). The development of Sociology in the United States. Publications
of the American Sociological Society, 24: 2 (1930).
GLOCK, C.Y. (1979). Organizacional innovation for social science research. En:
MERTON, R.K. y otros (eds.) (1979).
GOLDBERGER, A.S. (1973). Structural equation models. An overview. En:
GOLDBERGER, A.S.; DUNCAN, O.D. (eds.). Structural Equation Models in the Social
Sciences. Nueva York: Seminar Press, 1-18.
(1970). On Boudons Method of Linear Causal Analysis. American Sociological
Review, 35: 97-101.
GOLDBERGER, A.S.; DUNCAN, O.D. (eds.) (1973). Structural Equation Models in the
Social Sciences. Nueva York: Seminar Press.
GOLDTHORPE, J.H. (2000). On Sociology. Numbers, narratives and the integration of
research and theory. Oxford: Oxford University Press.
(2000a). Sociology and the probabilistic revolution, 18301930: Explaining an
absent synthesis. En: On Sociology: Numbers, narratives and the integration of rese-
arch and theory. Oxford: Oxford University Press: 259-295.
(1998). The Quantitative Analysis of Large-Scale Data Sets and Rational Action
Theory: For a Sociological Alliance. Londres: JAI Press.
(1997). The integration of sociological research and theory. Grounds for optimism
at the end of the twentieth century. Rationality and Society, 9, 4: 405-426.
(1996). The quantitative analysis of large-scale data sets and Rational Action
Theory. European Sociological Review, 12: 109-26.
GOLDTHORPE, J.H.; LLEWELLYN, C. y otros (1987). Social Mobility and Class Structure
in Modern Britain. 2a ed. Oxford: Clarendon Press.
GREENWOOD, E. (1945). Experimental Sociology: a Study in Method. Nueva York: Kings
Crown Press.
HAAVELMO, T. (1943). The statistical implication of a system of simultaneous equa-
tions. Econometrica, 11: 11-12.
HALFPENNY, P. (1982). Positivism and Sociology: Explaining Social Life. Londres: Allen
& Unwin.
HEDSTRM, P.; SWEDBERG, R. (eds.) (1996). Rational Choice, Empirical Research, and
the Sociological Tradition. European Sociological Review, 12: 127-46.
(eds.) (1999). Causal Mechanisms. An Analytical Approach to Social Theory.
Cambridge: University Press.
Papers 80 001-312 13/12/06 10:54 Pgina 252
HOPE, K. (1981). Trends in the openness of British society in the present century.
Research in Social Stratification and Mobility, 1: 127-70.
ISHIDA, H. y otros (1995). Class origin, class destination, and education: A cross-
national study of ten industrial nations. American Journal of Sociology, 60: 145-93.
JENKS, C.; SMITH, M. y otros (1972). Inequality. A Reassessment of the Effect of Family
and Schooling in America. Nueva York: Basic Books.
JONES, F.L. y otros (1994). Comparative Social Fluidity: Trends over time in father-
to-son mobility in Japan and Australia, 1965-1985. Social Forces, 72: 775-98.
KENDALL, P.; LAZARSFELD, P. (1950). Problems of Survey Analysis. En: MERTON,
R.; LAZARSFELD, P. Continuities in Social Research. Glencoe, Ill.: The Free Press:
133-196.
KRGER, L. (1987). The slow rise of probabilism: Philosophical arguments in the
XIX th century. En: K RGER ; D ASTON ; H EIDELBERG (eds.). The Probabilistic
Revolution, I: Ideas in History. Cambridge, Mass.: MIT Press.
LAZARSFELD, P. (1946). La interpretacin de las relaciones estadsticas como propie-
dad de investigacin. Comunicacin presentada al Congreso de la Sociedad
Americana de Sociologa (Cleveland). Inicialmente publicado en LAZARSFELD &
ROSENBERG (eds.) (1955) y reproducido en Metodologa de las ciencias sociales, vol.
II, R. Boudon y P. Lazarsfeld (comp.), 1966, edicin castellana en Laia.
(1950). Problems of Survey Analysis. En: MERTON, R. K.; L AZARSFELD, P.
Continuities in Social Research. Studies in the Scope and Method of The American
Soldier. Glencoe, Illinois: The Free Press.
(1953). Some Historical Notes on the Empirical Study of Action. Aqu citado en
la versin francesa Philosophie des sciences sociales. Precedida de una introduccin de
R. Boudon: A propos dun livre imaginaire. Pars: Gallimard, 1970.
(1958). Evidence and inference in social research. Daedalus, otoo de 1958,
secc. III.
(1962). The sociology of empirical social research. American Sociological Review,
27, 6, 757-767.
(1970a). Quelques remarques historiques sur lanalyse empirique de laction.
En LAZARSFELD (1970), p. 163-184.
(1979). De los conceptos a los ndices empricos, extracto de Evidence in social
research, en Daedalus, 87, 4: 99-109, 1958. Citado de la edicin castellana BOUDON
& LAZARSFELD (eds.) (1979): 35-46, Barcelona: Laia (segunda edicin).
LAZARSFELD, P.; PASANELLA, R.A.; ROSENBERG, M. (eds.) (1955). The Language of
Social Research. Nueva York: The Free Press.
LAZARSFELD, P.; OBERSCHALL, A. (1965). Max Weber and Empirical Social Research.
American Sociological Review, 30: 185-199.
LEWIS, J.D.; SMITH, R.L. (1980). American Sociology and Pragmatism. Chicago: Chicago
University Press.
LIEBERMAN, S. (1985). Making it Count: The Improvement of Social Research and Theory.
Berkeley: University of California Press.
LONGMAN, GREEN & CO. (1939). Contemporary positivism in sociology. American
Sociological Review, 4: 42-52.
(1955). The natural science trend in sociology. American Journal of Sociology,
61: 191-202.
LUNDBERG, G.A. (1929). Social Research: A Study in Methods of Gathering Data. Nueva
York: Longman, Green & Co.
(1939). Foundations of Sociology. Nueva York: MacMillan.
Papers 80 001-312 13/12/06 10:54 Pgina 253
(1939a). Contemporary positivism in sociology. American Sociological Review,

4: 42-52.
(1947). Can science save us? Nueva York: Longmans, Green & Co.
(1955). The natural science trend in sociology. American Journal of Sociology,
61: 191-202.
MCCLOSKEY, D.N.; ZILIAK, S.T. (1996). The standard errors of regression. Journal
of Economic Literature, 34: 97-114.
MACIVER, R.M. (1931). Society: Its Structure and Changes. Nueva York: Long & Smith.
MCKIN, V.R.; TURNER, S.P. (eds.) (1997). Causality in Crisis? Notre Dame, Ind.:
University of Notre Dame Press.
MARINI, M.M.; SINGER, B. (1988). Causality in the Social Sciences. Sociological
Methodology: 347-409.
MAYER, K.U.; CARROLL, G.R. (1987). Jobs and classes: Structural constraints on care-
er mobility. European Journal of Sociology, 3: 14-38.
MEAD, G.H. (1934). Persona, mente y sociedad. Varias ediciones castellanas.
MERTON, R.K. (1948). Discussion [of Talcott Parsons, The position of sociologi-
cal theory]. American Sociological Review, 13: 164-68.
(1949). Teora y estructura sociales. Mxico: Fondo de Cultura Econmica, edicin
castellana 1964.
(1967). On Sociological Theories of the Middle Range. En POWELL, W.W.;
ROBBINS, E. (eds.). Conflict and Consensus. Nueva York: The Free Press: 262-83.
MERTON, R.K.; LAZARSFELD, P. (1950). Continuities in Social Research. Studies in the
Scope and Method of The American Soldier. Glencoe, Illinois: The Free Press.
(1989). The History of Econometric Ideas. Cambridge: Cambridge University Press.
MULLINS, N.C.; MULLINS, C.J. (1973). Theories and Theory Groups in Contemporary
American Sociology. Nueva York: Harper & Row.
NEWELL, A.; SIMON, H.A. (1976). Computer Science as empirical inquiry: Symbols
and research. Communications of the ACM, 19: 113-126.
ORAND, A.M. (1992). Mathematizing social science in the 1950s: The early deve-
lopment and diffusion of game theory. History of Political Economy, 24: 177-204.
OBERSHALL, A. (ed.) (1972). The Establishment of Empirical Sociology: Studies in
Continuity, Discontinuity and Institutionalization. Nueva York y San Francisco:
Harper & Row, Publishers.
(1965). Empirical Social Research in Germany, 1848-1914. The Hague: Mouton.
PEARSON, K. (1897). The Grammar of Science. Londres: Black.
PORTER, T.M. (1986). Lawless Society: Social Science and the reinterpretation of sta-
tistics in Germany, 1850-1880. En: KRGER, L.; DASTON, L.J.; HEIDELBERG, M.
(eds.). The Probabilistic Revolution, I: Ideas in History. Cambridge, Mass.: MIT
Press.
ROSEBERG, M.; LAZARSFELD, P.F. (eds.) (1955). The Language of Social Research. Glencoe,
Ill.: The Free Press. Editado en francs por R. Boudon, P. Lazarsfeld y C. Chazel.
Versin castellana: Metodologa de las ciencias sociales (3 volmenes). Barcelona:
Laia, 1973-1975.
ROSS, D. (1991). The Origins of American Social Science. Cambridge: Cambridge
University Press.
SARIS, W.; STONKHORST, H. (1984). Causal Modeling in Nonexperimental Research.
Amsterdam: Sociometric Research Foundation.
SCHAD, S.P. (1972). Empirical Social Research in Weimar Germany. Pars: Mouton.
SIERRA BRAVO, R. (1991). Diccionario prctico de estadstica. Madrid: Editorial Paraninfo.
Papers 80 001-312 13/12/06 10:54 Pgina 254
SIMON, Herbert (1957). Models of Man: Social and Rational. Mathematical Essays on
Rational Human Behavior in a Social Setting. Nueva York: John Wiley & Sons,
Inc. Tercera reimpresin 1964.
(1954a). Spurious correlation: A causal interpretation, en 1957: 37-49.
(1954b). Some strategic considerations in the construction of social science
models. En: LAZARSFELD, P. F. (ed.). Mathematical Thinking in the Social Sciences
(captulo 8). Glencoe, Il.: The Free Press.
(1953). Causal ordering and identifiability, en 1957: 11-36.
(1952). On the definition of causal relation, en 1957: 50-61.
SMEEDING, T.M.; RAINWATER, L. y otros (1990). Poverty, Inequality and the Distribution
of Income in an Internacional Context. Londres: Wheatsheaf.
SMITH, D.J.; TOMLISON, S. (1989). The School Effect: A Study of Multiratial
Comprehesivens. Londres: Policy Studies Institute.
SMELSER, N.J. (ed.) (1988). Handbook of Sociology. Beverly Hills, California: SAGE
Publications.
SOBEL, M.E. (1998). Causal inference in statistical models of the process of socioe-
conomic achievement. Sociological Methods and Research, 27: 318-48.
SRENSEN, A.B. (1998). Theoretical mechanisms and the empirical study of social
processes. En: HEDSTRM, P.; SWEDBERG, R. (eds.).
STIGLER, S.M. (1986). The History of Statistics: The Measurement of Uncertainty befo-
re 1900. Cambridge, Mass.: Harvard University Press.
STOUFFER, S.A. (1931). Experimental comparison of a statistical and a case history tech-
nique of attitude research. Publications of the American Sociological Society, 25:
154-156.
(1949-50). Some observations on study design. American Journal of Sociology,
LV : 355-61.
(1950). Afterthougts of a contributor. En: MERTON & LAZARSFELD (eds.): 197-211.
STOUFFER, S.A., et al. (1949). The American Soldier: Studies in Social Psychology in
World War (4 vols.).
SUPPES, Pattrik (1982). Problems of causal analysis in the Social Sciences. Epistemologia,
5: 239-250.
(1981). Causal analysis and hidden variables. PSA 1980, 2: 563-571.
SWAMY, P.A.V.B.; COWAY, R.K.; VON ZUR MUELHEN (1985). The foundations of eco-
nometrics: Are there any?. Economic Reviwes, 4:1-61.
TAYLOR, Carl C. (1920). The social survey and the science of sociology. American
Journal of Sociology, 25 (1919-1920): 731-756.
TOLMAN, E.C. (1986). The Search of Methodology of Social Science: Durkheim, Weber
and the Nineteenth Century Problem of Cause, Probability and Action. Boston: Boston
Studies in the Philosophy of Science.
TOLMAN, E.C.; FACTOR, R.A. (1994). Max Weber: The Lawyer as Social Thinker.
Londres: Routledge.
TOLMAN, E.C.; TURNER, J.H. (1990). The Impossible Science: An Institutional Analysis
of American Sociology. Newbury Park, California: Sage.
UPTON, J.G. (1978). The Analysis of Cross-Tabulated Data. Nueva York: Wiley.
VAN LEEUWEN, M.H.D.; MAAS, I. (1996). Long-term social mobility: Research,
Agenda and a case study (Berlin 1825-1957). Continuity and Change, 11:
399-433.
WEBER, M. (1922/1968). Economy and Society. Versin castellana del FCE (2 vols.),
1944.
Papers 80 001-312 13/12/06 10:54 Pgina 255
WELLS, R.H.; PICOU, J.S. (1981). American Sociology: Theoretical and Methodological
Structure. Washington: University Press of America.
WRIGHT, S. (1974). Path coefficients and path regressions: Alternative or comple-
mentary concepts, en Causal Models in the Social Sciences. Londres: Macmillan,
reimpresin.
(1960). Path coefficients and path regression. Biometrika, 16: 189-202.
(1921). Correlation and Causation. Journal of Agricultural Research, 20: 557-585.
YULE, G.U. (1903). Notes on the Theory of Association of Attributes in Statistics.
Biometrika, 2: 121-134.
(1899). An investigation into the causes of changes in pauperism in England,
chiefly during the last two intercensal decades. Journal of the Royal Statistics Society,
69: 87-130.
(1897). On the theory of correlation. Journal of the Royal Statistics Society, 59:
318-349.
YULE, G.U.; KENDALL, P. (1937). An Introduction to the Theory of Statistics. 11a ed.
Londres: C. Griffin.
ZEISEL, Hans (1947). Say it with Figures. Nueva York: Harper & Brother.

Estadística y Causalidad en Sociología

Caricato da

Informazioni sul documento

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Estadística y Causalidad en Sociología

Caricato da

Copyright:

Formati disponibili

Papers 80 001-312 13/12/06 10:54 Pgina 223

Papers 80, 2006 223-255

Estadstica y causalidad en la sociologa emprica

Abstract. Statistics, causality and empirical sociology in the xxth century

224 Papers 80, 2006 ngeles Lizn

El concepto de causa y su estatuto en la ciencia social ha preocupado tradi-

Matemtica estadstica y ciencia social

Estadstica y causalidad en la sociologa emprica del XX Papers 80, 2006 225

mtodo unifactorial y la del anlisis multifactorial expuesto por L. Thurstone.

Un primer apunte sobre la sociologa fundacional

226 Papers 80, 2006 ngeles Lizn

desarrollo institucional perdiese terreno en el viejo continente (cfr. Lazarsfeld,

Intencin que, por lo dems, queda claramente ilustrada en el estilo de su

Estadstica y causalidad en la sociologa emprica del XX Papers 80, 2006 227

la subsiguiente estandarizacin del anlisis causal estadstico no se dara en

228 Papers 80, 2006 ngeles Lizn

a las innovaciones matemticas, mostrando, en cambio, una cierta preferen-

Primera etapa: la estadstica descriptiva heredada

Estadstica y causalidad en la sociologa emprica del XX Papers 80, 2006 229

trolado, en una especie de cuantitativismo animista. Su ingenua creencia en

5. A. Small, por ejemplo, define as la sociologa: La sociologa, en su objetivo mximo desde

230 Papers 80, 2006 ngeles Lizn

Segunda etapa: la influencia de la estadstica inglesa

Estadstica y causalidad en la sociologa emprica del XX Papers 80, 2006 231

para la investigacin cuantitativa aplicada. Fue as como el Departamento de

La tradicin tabular: La sociologa del dato

232 Papers 80, 2006 ngeles Lizn

log-lineal ha acabado resolvindose en descripciones muchsimo ms eficien-

El positivismo instrumental: Mtodo sin teora

10. La regresin se generaliza en estadstica para indicar el estudio de la naturaleza de la

Estadstica y causalidad en la sociologa emprica del XX Papers 80, 2006 233

la elaboracin de una suerte de operacionalismo autogestionado en el que se

234 Papers 80, 2006 ngeles Lizn

La generacin intermedia: Tcnicas, mtodo y teora

Estadstica y causalidad en la sociologa emprica del XX Papers 80, 2006 235

Gracias particularmente a la labor de difusin que Samuel Stouffer y

236 Papers 80, 2006 ngeles Lizn

Estadstica y causalidad en la sociologa emprica del XX Papers 80, 2006 237

la nocin de causa cobra un sentido altamente pragmtico, en el entendido

238 Papers 80, 2006 ngeles Lizn

Tercera etapa: los modelos causales de regresin

El precedente sentado por Lazarsfeld fue rpidamente seguido por H. Simon,

Estadstica y causalidad en la sociologa emprica del XX Papers 80, 2006 239

se supone influyen en el sistema. Como, estadsticamente, identificacin

240 Papers 80, 2006 ngeles Lizn

esta forma, cualquier subconjunto de ecuaciones estructurales pasa a ser en s

La causalidad como generacin de modelos causales y de sendero

Estadstica y causalidad en la sociologa emprica del XX Papers 80, 2006 241

a elaborar reglas fiables para la formulacin de teoras, el procedimiento

242 Papers 80, 2006 ngeles Lizn

la recomendacin de los maestros

eleccin de escuela secundaria las preferencias de los padres

la calificacin del test de la escuela

por el conocimiento procedente de la teora. Una vez ordenadas las variables en

Estadstica y causalidad en la sociologa emprica del XX Papers 80, 2006 243

la recomendacin de los maestros

de teoras causales conecta directamente con la necesidad de contrastar las

244 Papers 80, 2006 ngeles Lizn

de sendero no puede excluirse ninguna variable importante. Con ello, la inves-

El nuevo sesgo estadstico: automatizacin s, causalidad no

Estadstica y causalidad en la sociologa emprica del XX Papers 80, 2006 245

como el log-lineal25 han llevado a ignorar prcticamente el sentido original

246 Papers 80, 2006 ngeles Lizn

muchas veces convirtindose en [] un simple refugio para estudiantes que